当前位置：首页 > news >正文

【Pandas】pandas DataFrame pow

news 来源：原创 2025/4/25 6:28:18

Pandas2.2 DataFrame

Binary operator functions

方法	描述
DataFrame.add(other)	用于执行 DataFrame 与另一个对象（如 DataFrame、Series 或标量）的逐元素加法操作
DataFrame.add(other[, axis, level, fill_value])	用于执行 DataFrame 与另一个对象（如 DataFrame、Series 或标量）的逐元素加法操作
DataFrame.sub(other[, axis, level, fill_value])	用于执行逐元素的减法操作
DataFrame.mul(other[, axis, level, fill_value])	用于执行逐元素的乘法操作
DataFrame.div(other[, axis, level, fill_value])	用于执行逐元素的除法操作
DataFrame.truediv(other[, axis, level, …])	用于执行逐元素的真除法操作
DataFrame.floordiv(other[, axis, level, …])	用于执行逐元素的地板除法操作
DataFrame.mod(other[, axis, level, fill_value])	用于执行逐元素的取模操作
DataFrame.pow(other[, axis, level, fill_value])	用于对 DataFrame 中的元素进行幂运算

pandas.DataFrame.pow()

pandas.DataFrame.pow 方法用于对 DataFrame 中的元素进行幂运算。具体来说，它将 DataFrame 中的每个元素与另一个值（可以是标量、序列、DataFrame 或字典）进行幂运算。以下是该方法的参数说明及其功能：

参数说明

other: 用于进行幂运算的值，可以是标量、序列、DataFrame 或字典。
axis: 指定沿哪个轴进行运算。0 或 'index' 表示沿行进行运算，1 或 'columns' 表示沿列进行运算。默认为 1。
level: 如果 other 是一个 MultiIndex，则指定沿哪个级别进行运算。默认为 None。
fill_value: 用于填充缺失值的值。默认为 None。

示例及结果

示例 1: 使用标量进行幂运算

import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})print("原始 DataFrame:")
print(df)result = df.pow(2)
print("\n幂运算后的 DataFrame (使用 pow 并指定标量 2):")
print(result)

结果:

原始 DataFrame:A  B  C
0  1  4  7
1  2  5  8
2  3  6  9幂运算后的 DataFrame (使用 pow 并指定标量 2):A   B   C
0   1  16  49
1   4  25  64
2   9  36  81

示例 2: 使用序列进行幂运算

import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})other = pd.Series([2, 3, 4])print("原始 DataFrame:")
print(df)result = df.pow(other, axis=0)
print("\n幂运算后的 DataFrame (使用 pow 并指定序列):")
print(result)

结果:

原始 DataFrame:A  B  C
0  1  4  7
1  2  5  8
2  3  6  9幂运算后的 DataFrame (使用 pow 并指定序列):A     B     C
0   1  16.0  49.0
1   8  125.0 512.0
2  81  46656.0 6561.0

示例 3: 使用 DataFrame 进行幂运算

import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})other_df = pd.DataFrame({'A': [2, 3, 4],'B': [3, 4, 5],'C': [4, 5, 6]
})print("原始 DataFrame:")
print(df)result = df.pow(other_df)
print("\n幂运算后的 DataFrame (使用 pow 并指定 DataFrame):")
print(result)

结果:

原始 DataFrame:A  B  C
0  1  4  7
1  2  5  8
2  3  6  9幂运算后的 DataFrame (使用 pow 并指定 DataFrame):A       B         C
0   1  64.000  2401.0000
1   8  625.000  32768.0000
2  81  46656.0  531441.0000

示例 4: 使用字典进行幂运算

import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})other_dict = {'A': 2, 'B': 3, 'C': 4}print("原始 DataFrame:")
print(df)result = df.pow(other_dict)
print("\n幂运算后的 DataFrame (使用 pow 并指定字典):")
print(result)

结果:

原始 DataFrame:A  B  C
0  1  4  7
1  2  5  8
2  3  6  9幂运算后的 DataFrame (使用 pow 并指定字典):A       B         C
0   1  64.000  2401.0000
1   4  125.000 4096.0000
2   9  216.000 6561.0000

这些示例展示了 DataFrame.pow 方法的不同用法及其效果。根据具体需求，可以选择合适的参数来进行幂运算。