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

Pandas.Series.prod()

Pandas.Series.prod 方法用于返回 Series 所有元素的乘积（累乘积）

• Pandas.Series.prod 和 pandas.Series.product 效果一致。
• Pandas.Series.prod 是 pandas.Series.product 的简化缩写。

计算公式：

• 累乘公式 ：

  ${\prod }_{i=1}^n{a}_i$

  下标 $i$ 表示累乘的起始位置，上标 $n$ 表示累乘的终止位置。，$a_i$ 表示被累乘的项。

语法：

Series.prod(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 float 1.0^例1
  • True: 忽略缺失值。

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。

测试文件下载位置

例1：如果 Series 都是缺失值，那么乘积是1，因为在Series.prod方法中，缺失值被解析为1.0。

import numpy as np
import pandas as pds = pd.Series([np.NaN, np.NaN])s.prod()

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 pds = pd.Series([1, 2, 3, 4, 5, np.NaN])s.prod(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