python | pandas data frame.r w()
哎哎哎:# t0]https://www.geeksforgeeks.org/python 熊猫 data frame-r ww/
Python 是进行数据分析的优秀语言，主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包，让导入和分析数据变得容易多了。
熊猫 **dataframe.rpow()**函数用于求数据帧和其他元素的指数幂(二进制运算符 rfloordiv)。该功能本质上与执行other ** dataframe相同，但支持替换其中一个输入中缺失的数据。
语法: DataFrame.rpow(other，axis='columns '，level=None，fill_value=None) 参数: other : Series，DataFrame，或常量 axis : 对于 Series 输入，axis 要匹配 级别上的 Series 索引:跨级别广播，匹配传递的 MultiIndex leve 上的索引值 fill_value : Fill 如果两个相应数据框位置的数据都丢失，结果也将丢失。
返回:结果:数据帧
示例#1: 使用rpow()函数将序列中的每个元素提升到列轴上数据框中的相应值。
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df = pd.DataFrame({"A":[1, 5, 3, 4, 2],
"B":[3, 2, 4, 3, 4],
"C":[2, 2, 7, 3, 4],
"D":[4, 3, 6, 12, 7]},
index =["A1", "A2", "A3", "A4", "A5"])
# Print the dataframe
df
让我们创建这个系列
# importing pandas as pd
import pandas as pd
# Create the series
sr = pd.Series([12, 25, 64, 18], index =["A", "B", "C", "D"])
# Print the series
sr
让我们使用dataframe.rpow()函数将一系列中的每个元素提升到数据框中相应元素的幂。
# equivalent to sr ** df
df.rpow(sr, axis = 1)
输出:
示例 2: 使用rpow()函数将数据帧中的每个元素提升到其他数据帧中相应元素的幂
# importing pandas as pd
import pandas as pd
# Creating the first dataframe
df1 = pd.DataFrame({"A":[1, 5, 3, 4, 2],
"B":[3, 2, 4, 3, 4],
"C":[2, 2, 7, 3, 4],
"D":[4, 3, 6, 12, 7]},
index =["A1", "A2", "A3", "A4", "A5"])
# Creating the second dataframe
df2 = pd.DataFrame({"A":[10, 11, 7, 8, 5],
"B":[21, 5, 32, 4, 6],
"C":[11, 21, 23, 7, 9],
"D":[1, 5, 3, 8, 6]},
index =["A1", "A2", "A3", "A4", "A5"])
# Print the first dataframe
print(df1)
# Print the second dataframe
print(df2)
让我们执行df2 ** df1
# raise df2 to the power of df1
df1.rpow(df2)
输出:
