DataFrame.pow(self, other, axis='columns', level=None, fill_value=None) [source]
获取dataframe和其他逐元素的指数幂（二进制运算符pow）。
与dataframe ** other等效，但支持用fill_value替换输入之一中的丢失数据。对于反向版本，rpow。
在灵活的包装器（add，sub，mul，div，mod，pow）中使用算术运算符：+, -, *, /, //, %, **。
参数： | other : scalar, sequence, Series, 或 DataFrame 任何单个或多个元素的数据结构，或类似列表的对象。 axis ： 是按索引（ 对于Series输入，轴上要匹配Series索引。 level ： 跨级别广播，匹配传递的多索引级别上的索引值。 fill_value ： 在计算之前，用这个值填充现有的缺失值(NaN) 和成功的 如果两个对应的 |
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 5 361>>> df.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 36.0>>> df.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系列
>>> df - [1, 2]
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358>>> df.sub([1, 2], axis='columns')
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358>>> df.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 4>>> df * other
angles degrees
circle 0 NaN
triangle 9 NaN
rectangle 16 NaN>>> df.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 6 720>>> df.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