Python Pandas dataframe.rdiv()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.rdiv()函数计算数据帧和其他逐元素的浮点除法(二进制运算符rtruediv)。其他对象可以是标量， Pandas 系列或 Pandas DataFrame 。此函数与执行 other / dataframe 但支持用fill_value代替输入之一中的丢失数据。

用法： DataFrame.rdiv(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
level:在一个级别上广播，在传递的MultiIndex级别上匹配索引值
numeric_only:仅包含float，int，boolean数据。仅对DataFrame或Panel对象有效
fill_value:在计算之前，请使用此值填充现有的缺失(NaN)值以及成功完成DataFrame对齐所需的任何新元素。如果两个对应的DataFrame位置中的数据均丢失，则结果将丢失

返回：结果：DataFrame

范例1：采用rdiv()用于按元素划分数据帧的序列的函数

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.DataFrame({"A":[1, 5, 3, 4, 2], 
                   "B":[3, 2, 4, 3, 4],  
                   "C":[2, 2, 7, 3, 4], 
                   "D":[4, 3, 6, 12, 7]}) 
  
# Print the dataframe 
df

让我们创建一个系列

# importing pandas as pd 
import pandas as pd 
  
# Create a series 
sr = pd.Series([5, 10, 15, 20], index =["A", "B", "C", "D"]) 
  
# Print the series 
sr

让我们使用dataframe.rdiv()函数用 DataFrame 划分序列

# perform division of series with  
# dataframe element-wise over the column axis 
df.rdiv(sr, axis = 1)

输出：

范例2：采用rdiv()函数将一个数据帧与另一个包含NaN值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the first dataframe  
df1 = pd.DataFrame({"A":[1, 5, 3, 4, 2], 
                    "B":[3, 2, 4, 3, 4],  
                    "C":[2, 2, 7, 3, 4], 
                    "D":[4, 3, 6, 12, 7]}) 
  
# Creating the second dataframe 
df2 = pd.DataFrame({"A":[14, 5, None, 4, 12], 
                    "B":[7, 6, 4, 5, None], 
                    "C":[2, 11, 4, 3, 6],  
                    "D":[4, None, 6, 2, 4]}) 
  
# divide df2 by df1 element-wise 
# Fill all the missing values by 100 
df1.rdiv(df2, fill_value = 100)

输出：

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.rdiv()。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。