Python Pandas Series.divide()用法及代码示例

Pandas 系列是带有轴标签的一维ndarray。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。

Pandas Series.divide()函数执行系列和其他逐元素的浮点数除法(二进制运算符truediv)。相当于series / other，但支持用fill_value代替输入之一中的丢失数据。

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

参数：
other:序列或标量值
fill_value:填写现有的缺失(NaN)值。
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：系列

范例1：采用Series.divide()函数用标量对给定的序列对象执行浮点数除法。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([80, 25, 3, 25, 24, 6]) 
  
# Create the Index 
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp'] 
  
# set the index 
sr.index = index_ 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.divide()函数用标量对给定的序列对象执行浮点数除法。

# perform floating division 
result = sr.divide(other = 2) 
  
# Print the result 
print(result)

输出：

正如我们在输出中看到的，Series.divide()函数已成功使用标量对给定系列对象执行了浮点除法。

范例2：采用Series.divide()函数用标量对给定的序列对象执行浮点数除法。给定的系列对象包含一些缺失值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([100, None, None, 18, 65, None, 32, 10, 5, 24, None]) 
  
# Create the Index 
index_ = pd.date_range('2010-10-09', periods = 11, freq ='M') 
  
# set the index 
sr.index = index_ 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.divide()函数用标量对给定的序列对象执行浮点数除法。我们将在所有缺失值的位置填充50。

# perform floating division 
# fill 50 at the place of missing values 
result = sr.divide(other = 2, fill_value = 50) 
  
# Print the result 
print(result)

输出：

正如我们在输出中看到的，Series.divide()函数已成功使用标量对给定系列对象执行了浮点除法。

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 Series.divide()。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。