pandas prod() 乘积

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.prod 方法用于计算 DataFrame 或 Series 沿指定轴的乘积。它会将所有元素相乘，返回每列或每行的乘积。这个方法非常适合在处理数值数据时，计算一组数据的累积乘积。

语法

返回请求轴上的值的乘积。

DataFrame.prod(
    axis=None, 
    skipna=True, 
    level=None, 
    numeric_only=False, 
    min_count=0, 
    **kwargs
)

它是 DataFrame.product 的简写，建议用此简写。

参数解释

axis: (int 或 str, 可选, 默认值 None)
- 如果为 0 或 'index'，则按列计算乘积（即对每一列计算乘积）。
- 如果为 1 或 'columns'，则按行计算乘积（即对每一行计算乘积）。
- 不推荐使用 axis=None 的DataFrame.prod 行为，在未来的版本中，这将在两个轴上累积并返回标量。要保留旧行为，请传递axis=0（或不传递axis）。
skipna: (bool, 默认值 True)
是否忽略缺失值（NaN）。如果为 True，则忽略 NaN；如果为 False，任何包含 NaN 的运算结果都为 NaN。
numeric_only: (bool, 默认值 False)
如果为 True，只计算数值型数据。非数值类型的列会被排除在计算之外。
min_count: (int, 默认值 0)
如果数据中的非 NaN 值数量少于 min_count，则结果为 NaN。这个参数允许你控制计算所需的最少有效数据点数。
****kwargs**:
其他额外的关键字参数。

返回值

返回一个 Series 或 DataFrame，包含沿指定轴计算的乘积值。

使用场景

财务数据计算: 计算投资组合回报率的累积乘积。
数学计算: 处理统计数据时，计算一组数值的累积乘积。
工程数据分析: 在工程数据中，计算多个相关变量的乘积来分析系统的性能。

演示

# 默认情况下，空或全NA系列的乘积为1
pd.Series([], dtype="float64").prod()
# 1.0

# 这可以通过min_count参数进行控制
pd.Series([], dtype="float64").prod(min_count=1)
# nan

# 得益于skipna参数，min_count以相同的方式处理所有NA和空序列。
pd.Series([np.nan]).prod()
# 1.0
pd.Series([np.nan]).prod(min_count=1)
# nan

示例

基础示例：DataFrame 每列的乘积

创建一个 DataFrame 并计算每列的乘积：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': [9, 10, 11, 12]
})

print(df.prod())

输出:

A       24
B     1680
C    11880
dtype: int64

在这个示例中，每列的所有值相乘后得到结果。

按行计算乘积

如果想按行计算乘积，可以使用 axis=1：
```
print(df.prod(axis=1))
```
输出:
```
0      45
1     120
2     231
3     384
dtype: int64
```
这里，输出结果表示每一行所有元素的乘积。

忽略缺失值

如果数据中包含缺失值，可以使用 skipna=True 来忽略这些值：

df_with_nan = pd.DataFrame({
    'A': [1, 2, None, 4],
    'B': [5, 6, 7, 8],
    'C': [9, None, 11, 12]
})

print(df_with_nan.prod(skipna=True))

输出:

A       8.0
B    1680.0
C    1188.0
dtype: float64

这里，由于 skipna=True，None 值被忽略，仍然能够计算出乘积。

总结

prod() 方法非常适合计算 DataFrame 或 Series 的累积乘积，能够处理缺失值，并且可以灵活选择计算的轴和数据类型。适用于财务分析、工程数据处理以及其他需要累积乘积的场景。

参考

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

< skew() 偏度 pandas 数学统计 corr() 相关系数 >

更新时间：2024-08-08 20:31:00 标签：pandas python prod 乘积