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 |
pandas.DataFrame.mod()
pandas.DataFrame.mod() 方法用于执行逐元素的取模操作。取模操作是指计算一个数除以另一个数的余数。这个方法可以用于两个 DataFrame 之间的取模，也可以用于 DataFrame 和一个标量之间的取模。下面是对参数的详细描述：
other: 可以是另一个 DataFrame、Series、Index、常量或可广播到相同形状的数组。axis: 指定沿哪个轴进行操作。0或'index'表示沿行操作，1或'columns'表示沿列操作。默认为'columns'。level: 如果索引是多重索引（MultiIndex），则可以指定沿哪个级别进行操作。默认为None。fill_value: 如果遇到缺失值（NaN），可以使用这个值来填充。默认为None。
示例
假设我们有两个 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 与 DataFrame 之间的取模
result = df1.mod(df2)
print(result)
输出:
A B
0 0 0
1 0 1
2 0 0
示例 2: DataFrame 与标量之间的取模
result = df1.mod(2)
print(result)
输出:
A B
0 1 0
1 0 1
2 1 0
示例 3: 使用 fill_value 处理缺失值
假设 df2 有一个缺失值：
df2.iloc[0, 0] = None # 设置 df2 中的一个值为 NaN
result = df1.mod(df2, fill_value=1)
print(result)
输出:
A B
0 0.0 0
1 0.0 1
2 0.0 0
在这个例子中，df2 中的第一个元素是 NaN，使用 fill_value=1 后，df1 中的对应元素 1 取模 1，结果仍然是 0。
示例 4: 处理除以零的情况
如果 df2 中有零值，结果会是 NaN：
df2.iloc[1, 1] = 0 # 设置 df2 中的一个值为 0
result = df1.mod(df2)
print(result)
输出:
A B
0 0.0 0.0
1 0.0 NaN
2 0.0 0.0
在这个例子中，df2 中的第二个元素是 0，df1 中的对应元素 5 取模 0，结果是 NaN。
示例 5: 指定 axis 参数
假设我们有一个 DataFrame 和一个 Series，可以通过指定 axis 参数来控制取模操作的轴：
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)
输出:
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
在这个例子中，df1 中的每个元素分别与 series_row 和 series_col 中的对应元素进行取模操作。
总结
pandas.DataFrame.mod() 方法提供了一种灵活的方式来执行 DataFrame 与另一个对象（如 DataFrame、Series 或标量）的逐元素取模操作。通过 axis 参数可以指定操作的轴，通过 level 参数可以处理多级索引，通过 fill_value 参数可以填充缺失值。这对于数据处理和计算非常有用，特别是在处理缺失值和多级索引时。
