Python | Панды dataframe.pow ()
Python - отличный язык для анализа данных, в первую очередь из-за фантастической экосистемы пакетов Python, ориентированных на данные. Pandas - один из таких пакетов, который значительно упрощает импорт и анализ данных.
Pandas dataframe.pow() function calculates the exponential power of dataframe and other, element-wise (binary operator pow). This function is essentially same as the dataframe ** other but with a support to fill the missing values in one of the input data.
Syntax: DataFrame.pow(other, axis=’columns’, level=None, fill_value=None)
Parameters :
other : Series, DataFrame, or constant
axis : For Series input, axis to match Series index on
level : Broadcast across a level, matching Index values on the passed MultiIndex level
fill_value : Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.
**kwargs : Additional keyword arguments are passed into DataFrame.shift or Series.shift.Returns : result : DataFrame
Example #1: Use pow() function to find the power of each element in the dataframe. Raise each element in a row to a different power using a series.
# importing pandas as pdimport pandas as pd # Creating the dataframe df1 = pd.DataFrame({"A":[14, 4, 5, 4, 1], "B":[5, 2, 54, 3, 2], "C":[20, 20, 7, 3, 8], "D":[14, 3, 6, 2, 6]}) # Print the dataframedf |
Let’s create a Series
# importing pandas as pdimport pandas as pd # Create the Seriessr = pd.Series([2, 3, 4, 2], index =["A", "B", "C", "D"]) # Print the seriessr |
Now, let’s use the dataframe.pow() function to raise each element in a row to different power.
# find the powerdf.pow(sr, axis = 1) |
Output :
Example #2: Use pow() function to raise each element of first data frame to the power of corresponding element in the other dataframe.
# importing pandas as pdimport pandas as pd # Creating the first dataframe df1 = pd.DataFrame({"A":[14, 4, 5, 4, 1], "B":[5, 2, 54, 3, 2], "C":[20, 20, 7, 3, 8], "D":[14, 3, 6, 2, 6]}) # Creating the second dataframedf2 = pd.DataFrame({"A":[1, 5, 3, 4, 2], "B":[3, 2, 4, 3, 4], "C":[2, 2, 7, 3, 4], "D":[4, 3, 6, 12, 7]}) # using pow() function to raise each element# in df1 to the power of corresponding element in df2df1.pow(df2) |
Выход :
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.