Python Pandas Series.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。

Python Series.div()用于按调用者序列划分序列或列出长度相同的对象。

用法：Series.div(other, level=None, fill_value=None, axis=0)

参数：
other:其他系列或列表类型按调用者系列划分
fill_value:除法前，序列号/列表中的NaN所要替换的值
level:多索引时级别的整数值

返回类型：具有除数值的来电者系列

要下载以下示例中使用的数据集，请单击此处。在以下示例中，使用的 DataFrame 包含一些NBA球员的数据。下面是任何操作之前的数据帧图像。

范例1：按列表划分系列

在此示例中，使用.head()方法将前5行存储在新变量中。之后，创建相同长度的列表，并使用.div()方法将age列除以list列

# importing pandas module  
import pandas as pd 
  
# reading csv file from url  
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") 
  
# creating short data of 5 rows 
short_data = data.head() 
  
# creating list with 5 values 
list =[1, 2, 3, 4, 5] 
  
# Dividing by list data 
# creating new column 
short_data["Divided Age values"]= short_data["Age"].div(list) 
  
# display 
short_data

输出：
如输出图像中所示，可以比较“年龄划分”值列的(年龄)/(列表)划分值。

范例2：将具有空值的序列除以序列

在此示例中，“工资”列除以“年龄”列。由于salary列也包含空值，因此默认情况下，无论除以什么，它都会返回NaN。在此示例中，传递200000以用200000替换空值。

# importing pandas module  
import pandas as pd 
  
# reading csv file from url  
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") 
  
# passing age series to variable 
age = data["Age"] 
  
# na replacement 
na = 200000
  
# Dividing values 
# storing to new column 
data["Divided values"]= data["Salary"].div(other = age, fill_value = na) 
  
# display 
data.head(10)

输出：
如输出图像中所示，在Null值的情况下，divided values列已将age列除以200000。

相关用法

注：本文由纯净天空筛选整理自Kartikaybhutani大神的英文原创作品 Python | Pandas Series.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。