关于Pandas版本： 本文基于 pandas2.2.0 编写。
关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。
传送门： Pandas API参考目录
传送门： Pandas 版本更新及新特性
传送门： Pandas 由浅入深系列教程
本节目录
- Pandas.Series.product()
- 计算公式：
- 语法：
- 返回值：
- 参数说明：
- axis 指定计算方向（行或列）
- skipna 忽略缺失值
- numeric_only 排除非纯数值的行或列
- min_count 有效数值数量
- **kwargs
- 相关方法：
- 示例：
- 例1：如果 `Series` 都是缺失值，那么乘积是1，因为在Series.product方法中，缺失值被解析为1.0。
- 例2：非缺失值数量，小于 `min_count` ，则结果为 `nan`
Pandas.Series.product()
Pandas.Series.product 方法用于返回 Series 所有元素的乘积（累乘积）
Pandas.Series.product和pandas.Series.prod效果一致。Pandas.Series.prod是pandas.Series.product的简化缩写。
计算公式：
- 累乘公式 ：
∏ i = 1 n a i \prod_{i=1}^{n} a_i ∏i=1nai
下标 i i i 表示累乘的起始位置，上标 n n n 表示累乘的终止位置。， a i a_i ai 表示被累乘的项。
语法：
Series.product(axis=0, skipna=True, numeric_only=False, min_count=0, **kwargs)
返回值：
- Series or scalar
参数说明：
axis 指定计算方向（行或列）
-
axis : {index (0), columns (1)
对于
Series此参数无效。✅ 新增于 Pandas 2.0.0 :
axis参数，新增于Pandas 2.0.0 版本。
skipna 忽略缺失值
-
skipna : bool, default False >
skipna参数，用于指定求乘积的时候是否忽略缺失值：- False： 不忽略，缺失值 在求乘积的时候会被解析为浮点数
float1.0例1 - True: 忽略缺失值。
- False： 不忽略，缺失值 在求乘积的时候会被解析为浮点数
numeric_only 排除非纯数值的行或列
-
numeric_only : bool, default False
对于
Series此参数无效。
min_count 有效数值数量
-
min_count : int, default 0
min_count参数，用于指定执行操作所需的有效值数量。如果存在的非NA值少于min_count，则结果将为NA。例2
**kwargs
-
**kwargs :
用于保持和
numpy兼容而保留的参数，一般不需要使用。
相关方法：
➡️ 相关方法
Series.sum
求和（累和）
Series.min
最小值
Series.max
最大值
Series.idxmin
最小值索引
Series.idxmax
最大值索引
DataFrame.sum
求和（累和）
DataFrame.min
最小值
DataFrame.max
最大值
DataFrame.idxmin
最小值索引
DataFrame.idxmax
最大值索引
示例：
测试文件下载：
本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。
若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。
例1：如果 Series 都是缺失值，那么乘积是1，因为在Series.product方法中，缺失值被解析为1.0。
import numpy as np
import pandas as pd
s = pd.Series([np.NaN, np.NaN])
s.product()
1.0
例2：非缺失值数量，小于 min_count ，则结果为 nan
import numpy as np
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5, np.NaN])
s.product(numeric_only=True, min_count=6)
nan
观察上面的计算结果，min_count 参数传递了数字6，这意味着 Series 里至少要有6个非na值。由于只有5个，所以返回了nan
