pandas.DataFrame.rpow

DataFrame.rpow(other, axis='columns', level=None, fill_value=None) [source]

Возведение в степень элементов DataFrame и другого объекта, поэлементно (бинарная операция rpow).

Эквивалентно other ** dataframe, но поддерживает подстановку значения fill_value для отсутствующих данных в одном из входных аргументов. С обратным вариантом, pow.

Среди гибких обёртков (add, sub, mul, div, mod, pow) к арифметическим операторам: +, -, *, /, //, %, **.

Параметры:

other : scalar, sequence, Series, or DataFrame Любой объект с одиночным или множественным элементом, или список-подобный объект. axis : {0 or ‘index’, 1 or ‘columns’} Признак сравнения по индексу (0 или ‘index’) или столбцам (1 или ‘columns’). Для входных Series, ось для соответствия индексу Series. level : int or label Трансляция по уровню, соответствие значениям индексов на переданном уровне MultiIndex. fill_value : float or None, default None Заполнение существующих пропущенных (NaN) значений и любых новых элементов, необходимых для успешного выравнивания DataFrame, этим значением перед вычислением. Если данные в обоих соответствующих расположениях DataFrame отсутствуют, результат будет отсутствовать.

Возвращает:

DataFrame Результат арифметической операции.

См. также

DataFrame.add

Сложение DataFrame.

DataFrame.sub

Вычитание DataFrame.

DataFrame.mul

Умножение DataFrame.

DataFrame.div

Деление DataFrame (деление с плавающей точкой).

DataFrame.truediv

Деление DataFrame (деление с плавающей точкой).

DataFrame.floordiv

Деление DataFrame (целочисленное деление).

DataFrame.mod

Вычисление модуля (остаток от деления).

DataFrame.pow

Вычисление показательной степени.

Примечания

Несовпадающие индексы будут объединены.

Примеры

>>> df = pd.DataFrame({'angles': [0, 3, 4],
...                    'degrees': [360, 180, 360]},
...                   index=['circle', 'triangle', 'rectangle'])
>>> df
           angles  degrees
circle          0      360
triangle        3      180
rectangle       4      360

Добавление скаляра с операторной версией, которая возвращает те же результаты.

>>> df + 1
           angles  degrees
circle          1      361
triangle        4      181
rectangle       5      361

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

Деление на константу с обратной версией.

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

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

Вычитание списка и Series по оси с операторной версией.

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

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

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

Умножение DataFrame различной формы с операторной версией.

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

>>> df * other
           angles  degrees
circle          0      NaN
triangle        9      NaN
rectangle      16      NaN

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

Деление на MultiIndex по уровню.

>>> df_multindex = pd.DataFrame({'angles': [0, 3, 4, 4, 5, 6],
...                              'degrees': [360, 180, 360, 360, 540, 720]},
...                             index=[['A', 'A', 'A', 'B', 'B', 'B'],
...                                    ['circle', 'triangle', 'rectangle',
...                                     'square', 'pentagon', 'hexagon']])
>>> df_multindex
             angles  degrees
A circle          0      360
  triangle        3      180
  rectangle       4      360
B square          4      360
  pentagon        5      540
  hexagon         6      720

>>> df.div(df_multindex, level=1, fill_value=0)
             angles  degrees
A circle        NaN      1.0
  triangle      1.0      1.0
  rectangle     1.0      1.0
B square        0.0      0.0
  pentagon      0.0      0.0
  hexagon       0.0      0.0