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

例子

基本用法

考虑以下 DataFrame ：

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



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

执行整数除法：

df.rfloordiv(df_other)



   A  B
0  5  2
1  3  2

在这里，我们执行以下逐元素整数除法：

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

请注意，这相当于：

df_other // df



   A  B
0  5  2
1  3  2

广播

考虑以下 DataFrame ：

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



   A  B
0  2  4
1  3  5

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.rfloordiv([7,8])   # axis=10



   A  B
0  3  2
1  2  1

在这里，我们执行以下逐元素整数除法：

7//2 8//4
7//3 8//5

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.rfloordiv([7,8], axis=0)



   A  B
0  3  1
1  2  1

在这里，我们执行以下逐元素除法：

7//2 7//4
8//3 8//5

指定fill_value

考虑以下数据帧：

df = pd.DataFrame({"A":[2,np.NaN], "B":[np.NaN,5]})
df_other = pd.DataFrame({"A":[7,8],"B":[np.NaN,np.NaN]})



   A    B    |     A  B
0  2.0  NaN  |  0  7  NaN
1  NaN  5.0  |  1  8  NaN

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

df.rfloordiv(df_other)



   A    B
0  3.0  NaN
1  NaN  NaN

我们可以在使用fill_value参数进行整数除法之前填充NaN：

df.rfloordiv(df_other, fill_value=2)



   A    B
0  3.0  NaN
1  2.0  0.0

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。