DataFrame.mul(self, other, axis='columns', level=None, fill_value=None) [source]
DataFrame.multiply(self, other, axis='columns', level=None, fill_value=None) [source]
获取dataframe和其他元素的乘法(二进制操作符mul)。
等价于dataframe * other，但是支持用fill_value替换其中一个输入中丢失的数据。与反向版本，rmul。
在灵活的包装器(add, sub, mul, div, mod, pow)算术运算符:+，-，*，/，//，%，**。
参数： | other : 何单个或多个元素数据结构，或类似列表的对象。 axis ：{0 或 ‘index’, 1 或 ‘columns’} 是按索引(0或' index ') 还是按列(1或' columns ')进行比较。 对于Series输入，轴上匹配Series索引。 level ： 跨级别广播，匹配传递的多索引级别上的索引值。
在计算之前，用这个值填充现有的缺失值(NaN) 和成功的DataFrame对齐所需的任何新元素。 如果两个对应的DataFrame位置中的数据都丢失了， 那么结果也将丢失。 |
返回值： | DataFrame 算术运算的结果。 |
Notes
不匹配的索引将合并在一起。
例子
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添加带有运算符版本的标量，该标量返回相同的结果
df + 1
angles degrees
circle 1 361
triangle 4 181
rectangle 5 361df.add(1)
angles degrees
circle 1 361
triangle 4 181
rectangle 5 361用常数除以反向版本
df.div(10)
angles degrees
circle 0.0 36.0
triangle 0.3 18.0
rectangle 0.4 36.0df.rdiv(10)
angles degrees
circle inf 0.027778
triangle 3.333333 0.055556
rectangle 2.500000 0.027778用操作员版本减去列表和按轴Series
df - [1, 2]
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358df.sub([1, 2], axis='columns')
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358df.sub(pd.Series([1, 1, 1], index=['circle', 'triangle', 'rectangle']),
axis='index')
angles degrees
circle -1 359
triangle 2 179
rectangle 3 359将具有不同形状的DataFrame乘以运算符版本
other = pd.DataFrame({'angles': [0, 3, 4]},
index=['circle', 'triangle', 'rectangle'])
other
angles
circle 0
triangle 3
rectangle 4df * other
angles degrees
circle 0 NaN
triangle 9 NaN
rectangle 16 NaNdf.mul(other, fill_value=0)
angles degrees
circle 0 0.0
triangle 9 0.0
rectangle 16 0.0按级别除以MultiIndex
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 720df.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