pandas 0.23 - DataFrame.cumprod()

pandas.DataFrame.cumprod




pandas

pandas.DataFrame.cumprod

DataFrame.cumprod(axis=None, skipna=True, *args, **kwargs) [source]

किसी DataFrame या श्रृंखला अक्ष पर संचयी उत्पाद लौटाएं।

संचयी उत्पाद युक्त एक ही आकार का डेटाफ़्रेम या श्रृंखला लौटाता है।

पैरामीटर:

अक्ष : {0 या 'इंडेक्स', 1 या 'कॉलम'}, डिफ़ॉल्ट 0

अक्ष का नाम या नाम। 0 कोई नहीं या 'सूचकांक' के बराबर है।

स्किपना : बूलियन, डिफॉल्ट ट्रू

NA / शून्य मानों को छोड़ दें। यदि एक पूरी पंक्ति / स्तंभ NA है, तो परिणाम NA होगा।

* आर्ग्स, ** क्वार्ग्स:

अतिरिक्त कीवर्ड का कोई प्रभाव नहीं है, लेकिन NumPy के साथ संगतता के लिए स्वीकार किया जा सकता है।

यह दिखाता है:
cumprod : Series or DataFrame

यह भी देखें

pandas.core.window.Expanding.prod
इसी तरह की कार्यक्षमता लेकिन NaN मूल्यों की उपेक्षा करता है।
DataFrame.prod
DataFrame अक्ष पर उत्पाद लौटाएं।
DataFrame.cummax
DataFrame अक्ष पर संचयी अधिकतम लौटें।
DataFrame.cummin
DataFrame अक्ष पर कम से कम संचयी लौटें।
DataFrame.cumsum
DataFrame अक्ष पर संचयी राशि लौटाएं।
DataFrame.cumprod
DataFrame अक्ष पर संचयी उत्पाद लौटाएं।

उदाहरण

शृंखला

>>> s = pd.Series([2, np.nan, 5, -1, 0])
>>> s
0    2.0
1    NaN
2    5.0
3   -1.0
4    0.0
dtype: float64

डिफ़ॉल्ट रूप से, NA मानों को अनदेखा किया जाता है।

>>> s.cumprod()
0     2.0
1     NaN
2    10.0
3   -10.0
4    -0.0
dtype: float64

ऑपरेशन में NA मान शामिल करने के लिए, skipna=False उपयोग करें

>>> s.cumprod(skipna=False)
0    2.0
1    NaN
2    NaN
3    NaN
4    NaN
dtype: float64

डेटा ढांचा

>>> df = pd.DataFrame([[2.0, 1.0],
...                    [3.0, np.nan],
...                    [1.0, 0.0]],
...                    columns=list('AB'))
>>> df
     A    B
0  2.0  1.0
1  3.0  NaN
2  1.0  0.0

डिफ़ॉल्ट रूप से, पंक्तियों पर पुनरावृत्त होता है और प्रत्येक कॉलम में उत्पाद पाता है। यह axis=None या axis='index' बराबर है।

>>> df.cumprod()
     A    B
0  2.0  1.0
1  6.0  NaN
2  6.0  0.0

स्तंभों पर पुनरावृत्त करने और प्रत्येक पंक्ति में उत्पाद खोजने के लिए, axis=1 उपयोग करें

>>> df.cumprod(axis=1)
     A    B
0  2.0  2.0
1  3.0  NaN
2  1.0  0.0