pandas.DataFrame.product#

DataFrame.product(*, axis=0, skipna=True, numeric_only=False, min_count=0, **kwargs)[源代码]#

返回请求轴上值的乘积。

参数:

轴{索引 (0), 列 (1)}: 要应用函数的轴。对于 Series，此参数未使用并默认为 0。

警告

在使用 axis=None 的情况下，DataFrame.prod 的行为已被弃用，在未来的版本中，这将减少两个轴并返回一个标量。要保留旧的行为，请传递 axis=0（或不传递 axis）。

Added in version 2.0.0.
skipnabool, 默认为 True: 在计算结果时排除NA/null值。
numeric_only布尔值, 默认为 False: 仅包含浮点数、整数、布尔列。未对 Series 实现。
min_countint, 默认 0: 执行操作所需的有效值数量。如果少于 min_count 个非NA值存在，结果将是NA。
**kwargs: 要传递给函数的其他关键字参数。

返回:

序列或标量: 所请求轴上值的乘积。

参见

Series.sum: 返回总和。
Series.min: 返回最小值。
Series.max: 返回最大值。
Series.idxmin: 返回最小值的索引。
Series.idxmax: 返回最大值的索引。
DataFrame.sum: 返回所请求轴上的总和。
DataFrame.min: 返回请求轴上的最小值。
DataFrame.max: 返回请求轴上的最大值。
DataFrame.idxmin: 返回所请求轴上的最小值的索引。
DataFrame.idxmax: 返回请求轴上的最大值的索引。

示例

默认情况下，空或全为NA的Series的乘积是 1

>>> pd.Series([], dtype="float64").prod()
1.0

这可以通过 min_count 参数来控制

>>> pd.Series([], dtype="float64").prod(min_count=1)
nan

多亏了 skipna 参数，min_count 处理全NA和空系列的方式相同。

>>> pd.Series([np.nan]).prod()
1.0

>>> pd.Series([np.nan]).prod(min_count=1)
nan