Python Pandas DataFrame truediv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":[2,3], "B":[4,5]})
df_other = pd.DataFrame({"A":[1,10], "B":[100,1000]})



   A  B  |     A   B
0  2  4  |  0  1   100
1  3  5  |  1  10  1000

执行真正的除法会产生：

df.truediv(df_other)



   A    B
0  2.0  0.040
1  0.3  0.005

请注意，这相当于：

df/ df_other



   A    B
0  2.0  0.040
1  0.3  0.005

广播

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[2,3], "B":[4,5]})
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.truediv([1,10])   # axis=1



   A    B
0  2.0  0.4
1  3.0  0.5

在这里，我们进行以下逐元素浮点除法：

2/1 4/10
3/1 5/10

按列划分

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.truediv([1,10], axis=0)



   A    B
0  2.0  4.0
1  0.3  0.5

在这里，我们进行以下逐元素浮点除法：

2/1 4/1
3/10 5/10

指定fill_value

考虑以下数据帧：

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



   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 truediv(~) 计算除法时，任何使用 NaN 的操作都会产生 NaN ：

df.truediv(df_other)



   A    B
0  4.0  NaN
1  NaN  NaN

在执行除法之前，我们可以使用fill_value参数填充NaN值：

df.truediv(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。