Python Pandas DataFrame div方法用法及代码示例

Pandas DataFrame.div(~) 方法将源 DataFrame 中的值除以标量、序列、Series 或 DataFrame，即：

DataFrame / other

注意

除非您使用参数 axis 、 level 和 fill_value ，否则 div(~) 相当于使用 / 运算符执行除法。

参数

1.other | scalar 或 sequence 或 Series 或 DataFrame

生成的 DataFrame 将是源 DataFrame 除以 other 。

2. axis | int 或 string | optional

是否为源DataFrame的每一列或每一行广播other：

轴	说明
`"index"` 或 `0`	每列广播`other`。
`"columns"` 或 `1`	每行广播 `other`。

仅当源 DataFrame 的形状与 other 的形状不对齐时，axis 才相关。默认情况下，axis=1 。

3. level | int 或 string | optional

要考虑的级别的名称或整数索引。仅当您的 DataFrame 是多索引时，这才相关。

4. fill_value | float 或 None | optional

在计算之前替换NaN的值。两个 NaN 之间的除法仍将得到 NaN 。默认情况下，fill_value=None 。

返回值

除法产生的新DataFrame。

例子

基本用法

考虑以下数据帧：

df = pd.DataFrame({"A":[20,30], "B":[40,50]})
df_other = pd.DataFrame({"A":[5,6], "B":[4,25]})



   A   B   |     A  B
0  20  40  |  0  5  4
1  30  50  |  1  6  25

执行除法得到：

df.div(df_other)



   A    B
0  4.0  10.0
1  5.0  2.0

请注意，这相当于：

df / df_other



   A    B
0  4.0  10.0
1  5.0  2.0

广播

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[20,30], "B":[40,50]})
df



   A   B
0  20  40
1  30  50

按行划分

默认情况下， axis=1 ，这意味着 other 将为 df 中的每一行广播：

df.div([10,100])   # axis=1



   A    B
0  2.0  0.4
1  3.0  0.5

在这里，我们进行以下按元素划分：

20/10 40/100
30/10 50/100

按列划分

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.div([10,100], axis=0)



   A    B
0  2.0  4.0
1  0.3  0.5

在这里，我们进行以下按元素划分：

20/10 40/10
30/100 50/100

指定fill_value

考虑以下 DataFrame ：

df = pd.DataFrame({"A": [2,np.NaN], "B":[np.NaN,5]})
df_other = pd.DataFrame({"A":[10,20],"B":[np.NaN,np.NaN]})



   A    B      |     A   B
0  2.0  NaN    |  0  10  NaN
1  NaN  5.0    |  1  20  NaN

默认情况下，当我们使用 div(~) 计算除法时，任何使用 NaN 的操作都会产生 NaN ：

df.div(df_other)



   A    B
0  0.2  NaN
1  NaN  NaN

我们可以在执行除法之前使用 fill_value 参数填充 NaN 值，如下所示：

df.div(df_other, fill_value=100)



   A    B
0  0.2  NaN
1  5.0  0.05

请注意，当运算在两个 NaN 之间时，其结果仍然是 NaN ，而不管 fill_value 。

相关用法

注：本文由纯净天空筛选整理自Isshin Inada大神的英文原创作品 Pandas DataFrame | div method。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。