在本实验中，我们将学习如何在 Pandas DataFrame 中使用 mod() 方法对 DataFrame 进行逐元素的取模操作。mod() 方法会返回一个新的 DataFrame，其中包含取模操作的结果。
虚拟机启动完成后，点击左上角切换到 Notebook 选项卡以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，随时可以向 Labby 提问。实验结束后请提供反馈，我们将及时为你解决问题。
首先，我们需要导入 Pandas 库以使用 DataFrame：
import pandas as pd让我们创建一个 DataFrame 来执行取模操作。例如：
df = pd.DataFrame({'a': [2, 5, 6], 'b': [8, 10, 12], 'c': [14, 16, 18]})DataFrame df 包含三列 'a'、'b' 和 'c'，对应的值分别为 [2, 5, 6]、[8, 10, 12] 和 [14, 16, 18]。
要对 DataFrame 中的每个元素与一个常量值执行取模操作，可以使用 mod() 方法并将常量值作为参数传入。例如，计算每个元素与 3 的取模结果：
df_mod = df.mod(3)生成的 DataFrame df_mod 将包含原始 DataFrame 中每个元素与 3 的取模结果。
要对 DataFrame 中的每个元素与另一个 DataFrame 执行取模操作，可以将第二个 DataFrame 作为参数传递给 mod() 方法。例如，我们创建另一个与 df 形状相同的 DataFrame df2：
df2 = pd.DataFrame({'a': [2, 2, 2], 'b': [2, 2, 2], 'c': [2, 2, 2]})要计算 df 中每个元素与 df2 中对应元素的取模结果，可以使用 mod() 方法：
df_mod = df.mod(df2)生成的 DataFrame df_mod 将包含 df 中每个元素与 df2 中对应元素的取模结果。
默认情况下，mod() 方法会忽略缺失值或空值。不过，你可以通过指定 fill_value 参数在执行取模操作之前用特定值填充缺失值。例如，用 1 填充缺失值：
df_mod = df.mod(df2, fill_value=1)生成的 DataFrame df_mod 将包含 df 和 df2 中每个元素的取模结果，缺失值会被填充为 1。
在本实验中，我们学习了如何在 Pandas DataFrame 中使用 mod() 方法对 DataFrame 执行逐元素的取模操作。我们了解了如何与常量值或另一个 DataFrame 执行取模操作，以及如何处理缺失值。此方法对于基于特定取模需求对 DataFrame 执行计算非常有用。