Pandas2.2 DataFrame
Binary operator functions
| 方法 | 描述 |
|---|---|
| DataFrame.add(other) | 用于執行 DataFrame 與另一個對象（如 DataFrame、Series 或標量）的逐元素加法操作 |
| DataFrame.add(other[, axis, level, fill_value]) | 用于執行 DataFrame 與另一個對象（如 DataFrame、Series 或標量）的逐元素加法操作 |
| DataFrame.sub(other[, axis, level, fill_value]) | 用于執行逐元素的減法操作 |
| DataFrame.mul(other[, axis, level, fill_value]) | 用于執行逐元素的乘法操作 |
| DataFrame.div(other[, axis, level, fill_value]) | 用于執行逐元素的除法操作 |
| DataFrame.truediv(other[, axis, level, …]) | 用于執行逐元素的真除法操作 |
| DataFrame.floordiv(other[, axis, level, …]) | 用于執行逐元素的地板除法操作 |
| DataFrame.mod(other[, axis, level, fill_value]) | 用于執行逐元素的取模操作 |
pandas.DataFrame.mod()
pandas.DataFrame.mod() 方法用于執行逐元素的取模操作。取模操作是指計算一個數除以另一個數的余數。這個方法可以用于兩個 DataFrame 之間的取模，也可以用于 DataFrame 和一個標量之間的取模。下面是對參數的詳細描述：
other: 可以是另一個 DataFrame、Series、Index、常量或可廣播到相同形狀的數組。axis: 指定沿哪個軸進行操作。0或'index'表示沿行操作，1或'columns'表示沿列操作。默認為'columns'。level: 如果索引是多重索引（MultiIndex），則可以指定沿哪個級別進行操作。默認為None。fill_value: 如果遇到缺失值（NaN），可以使用這個值來填充。默認為None。
示例
假設我們有兩個 DataFrame：
import pandas as pddf1 = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6]
})df2 = pd.DataFrame({'A': [1, 1, 1],'B': [2, 2, 2]
})
示例 1: DataFrame 與 DataFrame 之間的取模
result = df1.mod(df2)
print(result)
輸出:
A B
0 0 0
1 0 1
2 0 0
示例 2: DataFrame 與標量之間的取模
result = df1.mod(2)
print(result)
輸出:
A B
0 1 0
1 0 1
2 1 0
示例 3: 使用 fill_value 處理缺失值
假設 df2 有一個缺失值：
df2.iloc[0, 0] = None # 設置 df2 中的一個值為 NaN
result = df1.mod(df2, fill_value=1)
print(result)
輸出:
A B
0 0.0 0
1 0.0 1
2 0.0 0
在這個例子中，df2 中的第一個元素是 NaN，使用 fill_value=1 后，df1 中的對應元素 1 取模 1，結果仍然是 0。
示例 4: 處理除以零的情況
如果 df2 中有零值，結果會是 NaN：
df2.iloc[1, 1] = 0 # 設置 df2 中的一個值為 0
result = df1.mod(df2)
print(result)
輸出:
A B
0 0.0 0.0
1 0.0 NaN
2 0.0 0.0
在這個例子中，df2 中的第二個元素是 0，df1 中的對應元素 5 取模 0，結果是 NaN。
示例 5: 指定 axis 參數
假設我們有一個 DataFrame 和一個 Series，可以通過指定 axis 參數來控制取模操作的軸：
series_row = pd.Series([100, 200, 300], index=[0, 1, 2])
result_axis_0 = df1.mod(series_row, axis=0)
print("\nDataFrame 1 % Series (axis=0):")
print(result_axis_0)series_col = pd.Series([10, 20], index=['A', 'B'])
result_axis_1 = df1.mod(series_col, axis=1)
print("\nDataFrame 1 % Series (axis=1):")
print(result_axis_1)
輸出:
DataFrame 1 % Series (axis=0):A B
0 1 4
1 2 5
2 3 6DataFrame 1 % Series (axis=1):A B
0 1 4
1 2 5
2 3 6
在這個例子中，df1 中的每個元素分別與 series_row 和 series_col 中的對應元素進行取模操作。
總結
pandas.DataFrame.mod() 方法提供了一種靈活的方式來執行 DataFrame 與另一個對象（如 DataFrame、Series 或標量）的逐元素取模操作。通過 axis 參數可以指定操作的軸，通過 level 參數可以處理多級索引，通過 fill_value 參數可以填充缺失值。這對于數據處理和計算非常有用，特別是在處理缺失值和多級索引時。
