maxframe.dataframe.DataFrame.pow#

DataFrame.pow(other, axis='columns', level=None, fill_value=None)#

获取 DataFrame 与另一个对象的指数幂，按元素计算（二元运算符 pow）。等价于 **，但支持用 fill_value 替换其中一个输入中的缺失数据。有反向版本 rpow。在算术运算符 +、-、*、/、//、%、** 上的灵活包装函数包括：add、sub、mul、div、mod、pow。

参数:

other (scalar, sequence, Series, or DataFrame) -- 任何单个或多个元素的数据结构，或类列表对象。
axis ({0 or 'index', 1 or 'columns'}) -- 是按索引（0 或 'index'）还是按列（1 或 'columns'）进行比较。对于 Series 输入，指定匹配 Series 索引的轴。
level (int or label) -- 在指定层级进行广播，匹配传入的 MultiIndex 层级上的索引值。
fill_value (float or None, default None) -- 在计算前，用此值填充现有的缺失值（NaN）以及 DataFrame 对齐所需的新元素。如果两个对应 DataFrame 位置的数据都缺失，则结果也将为缺失值。

返回:

算术运算的结果。

返回类型:

DataFrame

参见

DataFrame.add: 将两个 DataFrame 相加。
DataFrame.sub: 将两个 DataFrame 相减。
DataFrame.mul: 将两个 DataFrame 相乘。
DataFrame.div: 将两个 DataFrame 相除（浮点数除法）。
DataFrame.truediv: 将两个 DataFrame 相除（浮点数除法）。
DataFrame.floordiv: 将两个 DataFrame 相除（整数除法）。
DataFrame.mod: 计算模运算（除法的余数）。
DataFrame.pow: 计算指数幂。

备注

不匹配的索引将被合并在一起。

示例

>>> import maxframe.dataframe as md
>>> df = md.DataFrame({'angles': [0, 3, 4],
...                    'degrees': [360, 180, 360]},
...                   index=['circle', 'triangle', 'rectangle'])
>>> df.execute()
           angles  degrees
circle          0      360
triangle        3      180
rectangle       4      360

使用运算符版本添加一个标量，返回相同的结果。

>>> (df + 1).execute()
           angles  degrees
circle          1      361
triangle        4      181
rectangle       5      361

>>> df.add(1).execute()
           angles  degrees
circle          1      361
triangle        4      181
rectangle       5      361

除以常数的反向版本。

>>> df.div(10).execute()
           angles  degrees
circle        0.0     36.0
triangle      0.3     18.0
rectangle     0.4     36.0

>>> df.rdiv(10).execute()
             angles   degrees
circle          inf  0.027778
triangle   3.333333  0.055556
rectangle  2.500000  0.027778

按轴减去列表和Series的操作符版本。

>>> (df - [1, 2]).execute()
           angles  degrees
circle         -1      358
triangle        2      178
rectangle       3      358

>>> df.sub([1, 2], axis='columns').execute()
           angles  degrees
circle         -1      358
triangle        2      178
rectangle       3      358

>>> df.sub(md.Series([1, 1, 1], index=['circle', 'triangle', 'rectangle']),
...        axis='index').execute()
           angles  degrees
circle         -1      359
triangle        2      179
rectangle       3      359

将不同形状的DataFrame相乘的操作符版本。

>>> other = md.DataFrame({'angles': [0, 3, 4]},
...                      index=['circle', 'triangle', 'rectangle'])
>>> other.execute()
           angles
circle          0
triangle        3
rectangle       4

>>> df.mul(other, fill_value=0).execute()
           angles  degrees
circle          0      0.0
triangle        9      0.0
rectangle      16      0.0