Python Pandas DataFrame floordiv方法用法及代码示例

Pandas DataFrame.floordiv(~)方法将源DataFrame中的值除以标量、序列、系列或DataFrame整数除法，那是：

DataFrame // other

注意

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

参数

1.other | scalar 或 sequence 或 Series 或 DataFrame

结果DataFrame 将是源DataFrame 通过整数除法除以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`。

请注意，这仅在源 DataFrame 的形状与 other 的形状不匹配时才相关。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。请注意，如果两对条目均为 NaN ，则结果仍为 NaN 。默认情况下，fill_value=None 。

返回值

整数除法产生新的DataFrame。

例子

基本用法

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[5,6], "B":[7,8]})
df_other = pd.DataFrame({"A":[1,2], "B":[3,4]})



   A  B  |     A  B
0  5  7  |  0  1  3  
1  6  8  |  1  2  4

执行整数除法：

df.floordiv(df_other)



   A  B
0  5  2
1  3  2

在这里，我们执行以下逐元素楼层划分：

5//1 7//3
6//2 8//4

请注意，这相当于：

df // df_other



   A  B
0  5  2
1  3  2

广播

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4], "B":[5,6]})
df



   A  B
0  3  5
1  4  6

逐行整数除法

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

df.floordiv([1,2])   # axis=1



   A  B
0  3  2
1  4  3

在这里，我们进行以下逐元素整数除法：

3//1 5//2
4//1 6//2

按列整数除法

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.floordiv([1,2], axis=0)



   A  B
0  3  5
1  2  3

在这里，我们进行以下按元素划分：

3//1 5//1
4//2 6//2

指定fill_value

考虑以下数据帧：

df = pd.DataFrame({"A":[6,np.NaN], "B":[np.NaN,7]})
df_other = pd.DataFrame({"A":[2,3], "B":[np.NaN,np.NaN]})



   A    B    |     A  B
0  6.0  NaN  |  0  2  NaN
1  NaN  7.0  |  1  3  NaN

默认情况下，当我们使用 floordiv(~) 执行整数除法时，任何使用 NaN 的操作都会得到 NaN ：

df.floordiv(df_other)



   A    B
0  3.0  NaN
1  NaN  NaN

我们可以在使用fill_value参数执行整数除法之前填充NaN值：

df.floordiv(df_other, fill_value=1)



   A    B
0  3.0  NaN
1  0.0  7.0

请注意，如果整数除法在两个 NaN 之间，则结果将始终是 NaN，无论 fill_value 如何。

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 | floordiv 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。