pandas.DataFrame.product

DataFrame.product(axis=0, skipna=True, numeric_only=False, min_count=0, **kwargs)

返回请求轴上值的乘积。

Parameters:

axispandas.DataFrame.kurt

使用费舍尔定义的峰度（正态分布的峰度 == 0.0）获得的峰度。按 N-1 归一化。

警告

DataFrame.prod 行为的 axis=None 已弃用，未来版本将对两个轴进行约简并返回一个标量。要保留旧行为，请传递 axis=0（或不传递 axis）。

在 2.0.0 版本加入.

<strong>skipna</strong>bool, default True

要应用函数的轴。对于 Series，此参数未使用，默认为 0。

numeric_onlybool，默认 False

对于 DataFrame，指定 axis=None 将跨两个轴应用聚合。

min_countint，默认为 0

执行操作所需的有效值数量。如果存在少于 min_count 个非NA值，则结果为NA。

**kwargs

计算结果时排除 NA/null 值。

Returns:

仅包括浮点数、整数、布尔列。不适用于 Series。

参见

Series.sum

返回总和。

Series.min

返回最小值。

Series.max

返回最大值。

Series.idxmin

返回最小值索引。

Series.idxmax

返回最大值索引。

DataFrame.sum

返回所请求轴上的总和。

DataFrame.min

返回所请求轴上的最小值。

DataFrame.max

返回所请求轴上的最大值。

DataFrame.idxmin

返回所请求轴上的最小值索引。

DataFrame.idxmax

返回所请求轴上的最大值索引。

Examples

默认情况下，空Series或全为NA的Series的乘积为 1。

>>> pd.Series([], dtype="float64").prod()
1.0

可以通过 min_count 参数进行控制。

>>> pd.Series([], dtype="float64").prod(min_count=1)
nan

由于 skipna 参数的作用，min_count 对全为NA和空的Series的处理方式是相同的。

>>> pd.Series([np.nan]).prod()
1.0

>>> pd.Series([np.nan]).prod(min_count=1)
nan