Python Pandas dataframe.rfloordiv()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.rfloordiv()函数用于对数据帧和其他按元素进行整数分割(二进制运算符rfloordiv)。此函数与执行other // dataframe 但支持替换其中一个输入中的丢失数据。

用法：DataFrame.rfloordiv(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Index值
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rfloordiv()函数查找具有 DataFrame 的序列的整数除法。

# 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]}, 
                   index =["A1", "A2", "A3", "A4", "A5"]) 
  
# Print the dataframe 
df

让我们创建系列

# importing pandas as pd 
import pandas as pd 
  
# Create the series 
sr = pd.Series([12, 25, 64, 18],  
     index =["A", "B", "C", "D"]) 
  
# Print the series 
sr

让我们使用dataframe.rfloordiv()函数以查找具有 DataFrame 的序列的整数除法。

df.rfloordiv(sr, axis = 1)

输出：

在输出中，返回了一个数据帧，该数据帧中沿列轴的所有元素都划分了系列中的相应元素。

范例2：采用rfloordiv()用于执行一个数据帧与另一个数据帧的 floor 分割的函数。

注意：在此，输入数据帧除以调用函数的数据帧dataframe.rfloordiv()

# 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]},  
                    index =["A1", "A2", "A3", "A4", "A5"]) 
  
# Creating the second dataframe 
df2 = pd.DataFrame({"A":[10, 11, 7, 8, 5], 
                    "B":[21, 5, 32, 4, 6],  
                    "C":[11, 21, 23, 7, 9], 
                    "D":[1, 5, 3, 8, 6]},  
                    index =["A1", "A2", "A3", "A4", "A5"]) 
  
# divide df2 by df1 
df1.rfloordiv(df2)

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.rfloordiv()。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。