pandas pow() 指数运算

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.pow() 方法用于对 DataFrame 中的元素执行逐元素的指数运算。它可以接受另一个 DataFrame、Series、标量或者数组作为指数的基数或指数，并且返回一个新 DataFrame，包含了指数运算后的结果。

语法

获取数据帧和其他元素的指数幂（二进制运算符pow）。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。使用反向版本 rpow。

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

参数意义

other: 另一个 DataFrame、Series、标量或数组。表示指数运算的基数或指数。
- DataFrame
- Series
- 标量值
- 数组（array-like）
axis: 默认为 'columns'，用于指定沿哪个轴进行广播。0 或 'index' 表示沿行方向广播，1 或 'columns' 表示沿列方向广播。
level: 用于在多级索引（MultiIndex）上进行广播。通常在处理层级化的 DataFrame 时使用。
fill_value: 当数据存在缺失值时，可以通过 fill_value 参数指定一个填充值，来替代缺失值进行计算。默认情况下，缺失值将会导致结果也为缺失值。

返回值

返回一个新的 DataFrame，其元素为原始 DataFrame 对应元素与 other 的指数运算结果。

使用场景

pow() 方法适用于需要对 DataFrame 中的每个元素进行逐元素的指数运算的情况。例如，可以使用 pow() 方法计算 DataFrame 中每个值的平方、立方或其他指定指数。

示例

示例 1: 对 DataFrame 中的所有元素进行平方运算

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 输出示例数据
print(f"原始DataFrame:\n{df}")

# 对每个元素进行平方运算
result = df.pow(2)

# 输出结果
print(f"平方运算结果:\n{result}")

输出：

原始DataFrame:
   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

平方运算结果:
    A   B   C
0   1  16  49
1   4  25  64
2   9  36  81

示例 2: 使用不同的 DataFrame 作为指数

import pandas as pd

# 构造两个示例DataFrame
df1 = pd.DataFrame({
    'A': [2, 3, 4],
    'B': [1, 2, 3],
    'C': [3, 4, 5]
})

df2 = pd.DataFrame({
    'A': [1, 0, 2],
    'B': [3, 2, 1],
    'C': [2, 3, 4]
})

# 输出示例数据
print(f"基数DataFrame:\n{df1}")
print(f"指数DataFrame:\n{df2}")

# 对应元素指数运算
result = df1.pow(df2)

# 输出结果
print(f"指数运算结果:\n{result}")

输出：

基数DataFrame:
   A  B  C
0  2  1  3
1  3  2  4
2  4  3  5

指数DataFrame:
   A  B  C
0  1  3  2
1  0  2  3
2  2  1  4

指数运算结果:
    A   B     C
0   2   1     9
1   1   4    64
2  16   3  625

在这个示例中，df1 和 df2 分别作为基数和指数进行逐元素的指数运算。

示例 3: 使用 `fill_value` 参数处理缺失值

import pandas as pd
import numpy as np

# 构造示例数据
df1 = pd.DataFrame({
    'A': [2, 3, np.nan],
    'B': [1, np.nan, 3],
    'C': [3, 4, 5]
})

df2 = pd.DataFrame({
    'A': [1, 0, 2],
    'B': [3, 2, np.nan],
    'C': [2, 3, 4]
})

# 输出示例数据
print(f"基数DataFrame:\n{df1}")
print(f"指数DataFrame:\n{df2}")

# 对应元素指数运算，并用 fill_value 参数处理缺失值
result = df1.pow(df2, fill_value=1)

# 输出结果
print(f"指数运算结果（处理缺失值）:\n{result}")

输出：

基数DataFrame:
     A    B  C
0  2.0  1.0  3
1  3.0  NaN  4
2  NaN  3.0  5

指数DataFrame:
   A    B  C
0  1  3.0  2
1  0  2.0  3
2  2  NaN  4

指数运算结果（处理缺失值）:
     A    B      C
0  2.0  1.0    9.0
1  1.0  1.0   64.0
2  1.0  3.0  625.0

在这个例子中，我们使用了 fill_value=1 参数来替代缺失值，从而确保计算不会由于缺失值而导致结果也是缺失的。

参考

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

< mod() 取模运算（求余数） pandas 求值计算矩阵乘法（点积） >

更新时间：Aug. 10, 2024, 7:13 p.m. 标签：pandas python pow 指数幂