Python Pandas dataframe.mul()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python软件包的奇妙生态系统。Pandas就是这些包中的一个，使导入和分析数据变得更加容易。
Pandas dataframe.mul()函数返回dataframe和其他元素的乘法。这个函数本质上与dataframe * other做同样的事情，但它提供了一个额外的支持来处理其中一个输入中的缺失值。

语法:

DataFrame.mul(other, axis=’columns’, level=None, fill_value=None)

参数 :
other：系列，数据框架，或常数
axis：对于系列输入，axis要与系列的索引相匹配。
level :跨层广播，与通过的MultiIndex层的索引值相匹配。
fill_value : 在计算前用这个值填充现有的缺失（NaN）值，以及成功的DataFrame对齐所需的任何新元素。如果两个对应的DataFrame位置的数据都缺失，那么结果将是缺失。
返回 : result : DataFrame

例子#1：使用mul()函数查找一个数据帧与一个系列的乘法。
注意：对于与系列相乘，用于相乘的数据框架axis必须与系列索引相匹配。

# importing pandas as pd
import pandas as pd
 
# Creating the first dataframe
df1=pd.DataFrame({"A":[14,4,5,4,1],
                  "B":[5,2,54,3,2],
                  "C":[20,20,7,3,8],
                  "D":[14,3,6,2,6]})
 
# Print the dataframe
df1

让我们来创建这个系列

# importing pandas as pd
import pandas as pd
 
# create series
sr = pd.Series([3, 2, 4, 5, 6])
 
# Print series
sr

让我们使用dataframe.mul()函数来执行乘法。

# find multiplication over the index axis
df1.mul(sr, axis = 0)

输出 :

例子2：使用mul()函数来寻找两个数据帧的乘法。一个数据框包含NA值。

# importing pandas as pd
import pandas as pd
 
# Creating the first dataframe
df1=pd.DataFrame({"A":[14,4,5,4,1],
                  "B":[5,2,54,3,2],
                  "C":[20,20,7,3,8],
                  "D":[14,3,6,2,6]})
 
# Creating the second dataframe with <code>Na</code> value
df2=pd.DataFrame({"A":[12,4,5,None,1],
                  "B":[7,2,54,3,None],
                  "C":[20,16,11,3,8],
                  "D":[14,3,None,2,6]})
 
# Print the second dataframe
df2

让我们使用dataframe.mul()函数来寻找两个数据帧的乘法，同时处理缺失值。

# fill the missing values with 100
df1.mul(df2, fill_value = 100)

输出 :

注意，所有缺失值的单元格在乘法前都被填上了100。