pandas.DataFrame.prod #

数据框。prod ( axis = 0 , Skipna = True , numeric_only = False , min_count = 0 , ** kwargs ) [来源] #

返回请求轴上的值的乘积。

参数：

轴{索引 (0)，列 (1)}: 要应用的功能的轴。对于系列，此参数未使用，默认为 0。

警告

DataFrame.prod 的行为axis=None已被弃用，在未来版本中，这将在两个轴上减少并返回标量要保留旧行为，请传递 axis=0 （或不传递 axis）。

2.0.0 版本中的新增内容。
Skipna布尔值，默认 True: 计算结果时排除 NA/null 值。
numeric_only布尔值，默认 False: 仅包含 float、int、boolean 列。未针对系列实现。
min_count int，默认0: 执行操作所需的有效值数量。如果存在的非 NA 值少于 min_count该值，则结果将为 NA。
**夸格: 要传递给函数的其他关键字参数。

返回：

系列或标量

也可以看看

Series.sum: 返回总和。
Series.min: 返回最小值。
Series.max: 返回最大值。
Series.idxmin: 返回最小值的索引。
Series.idxmax: 返回最大值的索引。
DataFrame.sum: 返回请求轴上的总和。
DataFrame.min: 返回请求轴上的最小值。
DataFrame.max: 返回请求轴上的最大值。
DataFrame.idxmin: 返回请求轴上最小值的索引。
DataFrame.idxmax: 返回请求轴上最大值的索引。

例子

默认情况下，空系列或全NA系列的产品是1

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

min_count这可以通过参数来控制

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

由于该skipna参数，min_count可以以相同的方式处理全 NA 和空系列。

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

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