pandas mod() 取模运算（求余数）

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas.DataFrame.mod() 方法用于执行两个 DataFrame 或 Series 之间的逐元素取模运算（即求余数运算），并返回一个新的对象。取模运算的结果是两个数相除后余下的部分。

语法

获取数据帧和其他元素的模（二进制运算符mod）。

相当于 dataframe%other，但支持用fill_value替换其中一个输入中缺失的数据。反向版本 rmod。

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

支持的数据类型

DataFrame: 可以对两个 DataFrame 进行逐元素取模运算。
Series: 可以对一个 DataFrame 和一个 Series 进行逐元素取模运算。
标量: 还可以将 DataFrame 的所有元素与一个标量进行取模运算。

参数意义

other：
类型：DataFrame, Series, scalar
意义：与当前 DataFrame 进行逐元素取模运算的对象。可以是另一个 DataFrame、Series 或标量（常数）。
axis：
类型：{0 or ‘index’, 1 or ‘columns’}
意义：决定计算的对齐方向。axis=0 或 'index' 表示按行对齐，axis=1 或 'columns' 表示按列对齐。默认为 'columns'。
level：
类型：int or None
意义：如果轴是多级索引（MultiIndex），可以指定级别来对齐。例如，可以按指定级别的索引对齐。默认值为 None。
fill_value：
类型：float or None
意义：用于填充在对齐过程中出现的缺失数据（NaN）。如果两个对象在某些位置没有对齐，缺失值将被填充为 fill_value 以继续计算。默认值为 None，表示不填充。

返回值

返回一个与调用对象相同维度的 DataFrame 或 Series，其中每个元素是取模运算的结果。如果有除以零的情况，结果将为 NaN。

使用场景

mod() 方法在处理需要求余数的运算时非常有用，例如在数据处理中需要对每个元素进行特定的除法运算并只保留余数时。它还可以用于对周期性数据进行分析，或者在处理时间、循环任务时计算剩余量。

示例 1：基本的 DataFrame 取模运算

import pandas as pd

# 构造两个示例 DataFrame
df1 = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [40, 50, 60]
})

df2 = pd.DataFrame({
    'A': [3, 4, 5],
    'B': [6, 7, 8]
})

# 逐元素取模
result = df1.mod(df2)

# 输出
print(f"原始DataFrame 1:\n{df1}\n")
print(f"原始DataFrame 2:\n{df2}\n")
print(f"取模结果:\n{result}")

"""
原始DataFrame 1:
    A   B
0  10  40
1  20  50
2  30  60

原始DataFrame 2:
   A  B
0  3  6
1  4  7
2  5  8

取模结果:
   A  B
0  1  4
1  0  1
2  0  4
"""

示例 2：DataFrame 与标量取模运算

# 构造一个示例 DataFrame
df = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [40, 50, 60]
})

# 将 DataFrame 的每个元素对 7 取模
result = df.mod(7)

# 输出
print(f"原始DataFrame:\n{df}\n")
print(f"取模结果:\n{result}")

"""
原始DataFrame:
    A   B
0  10  40
1  20  50
2  30  60

取模结果:
   A  B
0  3  5
1  6  1
2  2  4
"""

示例 3：使用 `fill_value` 参数进行取模运算

# 构造两个示例 DataFrame
df1 = pd.DataFrame({
    'A': [10, 20, None],
    'B': [40, None, 60]
})

df2 = pd.DataFrame({
    'A': [3, 4, 5],
    'B': [6, 7, None]
})

# 使用 fill_value 进行逐元素取模
result = df1.mod(df2, fill_value=1)

# 输出
print(f"原始DataFrame 1:\n{df1}\n")
print(f"原始DataFrame 2:\n{df2}\n")
print(f"使用fill_value后的取模结果:\n{result}")

"""
原始DataFrame 1:
      A     B
0  10.0  40.0
1  20.0   NaN
2   NaN  60.0

原始DataFrame 2:
     A    B
0  3.0  6.0
1  4.0  7.0
2  5.0  NaN

使用fill_value后的取模结果:
     A    B
0  1.0  4.0
1  0.0  1.0
2  1.0  0.0
"""

总结

mod() 方法在需要执行取模运算的场景中非常有用。它可以用于两个 DataFrame 之间，或 DataFrame 与 Series、标量之间的逐元素取模运算。通过调整 axis、level 和 fill_value 参数，可以灵活处理数据的对齐和缺失值。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.mod.html

< add() sub() mul() div() 加减乘除方法 pandas 求值计算 pow() 指数运算 >

更新时间：Aug. 10, 2024, 7:15 p.m. 标签：pandas python 余数取模