pandas.Series.product#

Series.product(ось=None, skipna=True, numeric_only=False, min_count=0, **kwargs)[источник]#

Возвращает произведение значений по запрошенной оси.

Параметры:
ось{index (0)}

Ось для применения функции. Для Series этот параметр не используется и по умолчанию равен 0.

Предупреждение

Поведение DataFrame.prod с axis=None устарело, в будущей версии это будет сводиться по обеим осям и возвращать скаляр. Чтобы сохранить старое поведение, передайте axis=0 (или не передавайте axis).

Добавлено в версии 2.0.0.

skipnabool, по умолчанию True

Исключать значения NA/null при вычислении результата.

numeric_onlybool, по умолчанию False

Включать только столбцы с float, int, boolean. Не реализовано для Series.

min_countint, по умолчанию 0

Требуемое количество допустимых значений для выполнения операции. Если меньше чем min_count если присутствуют не-NA значения, результат будет NA.

**kwargs

Дополнительные ключевые аргументы для передачи функции.

Возвращает:
скаляр или скаляр

Смотрите также

Series.sum

Возвращает сумму.

Series.min

Возвращает минимум.

Series.max

Вернуть максимум.

Series.idxmin

Возвращает индекс минимального значения.

Series.idxmax

Возвращает индекс максимального значения.

DataFrame.sum

Возвращает сумму по запрошенной оси.

DataFrame.min

Возвращает минимум по запрошенной оси.

DataFrame.max

Возвращает максимум по запрошенной оси.

DataFrame.idxmin

Возвращает индекс минимального значения по запрошенной оси.

DataFrame.idxmax

Возвращает индекс максимального значения по указанной оси.

Примеры

По умолчанию произведение пустой или полностью NA Series равно 1

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

Это можно контролировать с помощью min_count параметр

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

Благодаря skipna Можно хранить подкласс min_count обрабатывает полностью-NA и пустые серии одинаково.

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

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