Python Pandas DataFrame rdiv方法用法及代码示例

例子

基本用法

考虑以下数据帧：

df = pd.DataFrame({"A":[1,10], "B":[100,1000]})
df_other = pd.DataFrame({"A":[3,4], "B":[5,6]})



   A   B     |     A  B
0  1   100   |  0  3  5
1  10  1000  |  1  4  6

计算除法产生：

df.rdiv(df_other)



   A    B
0  3.0  0.050
1  0.4  0.006

请注意，这相当于以下内容：

df_other / df



   A    B
0  3.0  0.050
1  0.4  0.006

广播

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[1,10], "B":[100,1000]})
df



   A   B
0  1   100
1  10  1000

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.rdiv([3,4])   # axis=1



   A    B
0  3.0  0.040
1  0.3  0.004

在这里，我们执行以下逐元素除法：

3/1 4/100
3/10 4/1000

按列划分

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.rdiv([3,4], axis=0)



   A    B
0  3.0  0.030
1  0.4  0.004

在这里，我们执行以下逐元素除法：

3/1 3/100
4/10 4/1000

指定fill_value

考虑以下数据帧：

df = pd.DataFrame({"A":[3,np.NaN], "B":[np.NaN,4]})
df_other = pd.DataFrame({"A":[12,20],"B":[np.NaN,np.NaN]})



   A    B    |     A   B
0  3.0  NaN  |  0  12  NaN
1  NaN  4.0  |  1  20  NaN

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

df.rdiv(df_other)



   A    B
0  4.0  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.rdiv(df_other, fill_value=2)



   A     B
0  4.0   NaN
1  10.0  0.5

在这里，请注意两个 NaN 之间的除法仍然会导致 NaN，而不管 fill_value 如何。