Python Pandas dataframe.div()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.div()用于查找数据帧和其他元素的浮点数划分。该函数类似于datafram/other，但提供了额外的支持来处理输入数据之一中的缺失值。

用法： DataFrame.div(other, axis=’columns’, level=None, fill_value=None)

参数：
other:系列，DataFrame或常量
axis:对于系列输入，轴与系列索引匹配
fill_value:用该值填充缺失的(NaN)值。如果两个DataFrame位置都丢失，则结果将丢失
level:在一个级别上广播，在传递的MultiIndex级别上匹配索引值

返回：结果：DataFrame

范例1：采用div()函数查找具有恒定值的数据帧元素的浮点数除法。还要处理NaN DataFrame 中显示的值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe with NaN value 
df = pd.DataFrame({"A":[5, 3, None, 4], 
                   "B":[None, 2, 4, 3],  
                   "C":[4, 3, 8, 5], 
                   "D":[5, 4, 2, None]}) 
  
# Print the dataframe 
df

现在找到每个 DataFrame 元素除以2

# Find the division with 50 being substituted 
# for all the missing values in the dataframe 
df.div(2, fill_value = 50)

输出：

输出是一个数据单元格，其中的单元格包含每个单元格值除以2的结果。所有NaN进行除法之前，细胞已充满50。

范例2：采用div()函数使用索引轴查找带有系列对象的 DataFrame 的浮点数除法。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.DataFrame({"A":[5, 3, 6, 4], 
                   "B":[11, 2, 4, 3], 
                   "C":[4, 3, 8, 5], 
                   "D":[5, 4, 2, 8]}) 
  
# Create a series object with no. of elements  
# equal to the element along the index axis. 
  
# Creating a pandas series object 
series_object = pd.Series([2, 3, 1.5, 4]) 
  
# Print the series_obejct 
series_object

输出：

注意：如果 DataFrame 和系列对象的索引轴尺寸不同，则会发生错误。

现在，沿着索引轴找到带有系列对象的 DataFrame 元素的划分

# To find the division 
df.div(series_object, axis = 0)

输出：

输出是带有单元格的数据帧，其中包含当前单元格元素与相应系列对象单元格的划分结果。

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.div()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。