pandas.DataFrame.prod#
- DataFrame.prod(axis=None, skipna=True, level=None, numeric_only=None, min_count=0, **kwargs)[源代码]#
返回值在请求的轴上的乘积。
- 参数
- axis{索引(0)，列(1)}
要应用的函数的轴。
- skipna布尔值，默认为True
计算结果时排除NA/NULL值。
- levelInt或Level名称，默认为无
如果轴是多索引(分层)，则沿特定级别计数，折叠为系列。
- numeric_only布尔默认为无
包括浮点型、整型、布尔型列。如果没有，将尝试使用所有内容，然后仅使用数字数据。未针对系列实施。
- min_count整型，默认为0
执行操作所需的有效值数。如果少于
min_count如果存在非NA值，则结果将为NA。- **kwargs
要传递给函数的其他关键字参数。
- 退货
- 序列或DataFrame(如果指定了级别)
参见
Series.sum退还这笔钱。
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返回请求的轴上的总和。
DataFrame.min返回请求的轴上的最小值。
DataFrame.max返回请求的轴上的最大值。
DataFrame.idxmin返回所请求的轴上的最小值的索引。
DataFrame.idxmax返回请求的轴上的最大值的索引。
示例
默认情况下，空系列或全NA系列的乘积为
1>>> pd.Series([], dtype="float64").prod() 1.0
这可以使用
min_count参数>>> pd.Series([], dtype="float64").prod(min_count=1) nan
多亏了
skipna参数，min_count以相同的方式处理全NA和空序列。>>> pd.Series([np.nan]).prod() 1.0
>>> pd.Series([np.nan]).prod(min_count=1) nan