Python Pandas dataframe.div()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas dataframe.div()用於查找數據幀和其他元素的浮點數劃分。該函數類似於datafram/other，但提供了額外的支持來處理輸入數據之一中的缺失值。

用法： DataFrame.div(other, axis=’columns’, level=None, fill_value=None)

參數：
other:係列，DataFrame或常量
axis:對於係列輸入，軸與係列索引匹配
fill_value:用該值填充缺失的(NaN)值。如果兩個DataFrame位置都丟失，則結果將丟失
level:在一個級別上廣播，在傳遞的MultiIndex級別上匹配索引值

返回：結果：DataFrame

範例1：采用div()函數查找具有恒定值的數據幀元素的浮點數除法。還要處理NaN DataFrame 中顯示的值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe with NaN value 
df = pd.DataFrame({"A":[5, 3, None, 4], 
                   "B":[None, 2, 4, 3],  
                   "C":[4, 3, 8, 5], 
                   "D":[5, 4, 2, None]}) 
  
# Print the dataframe 
df

現在找到每個 DataFrame 元素除以2

# Find the division with 50 being substituted 
# for all the missing values in the dataframe 
df.div(2, fill_value = 50)

輸出：

輸出是一個數據單元格，其中的單元格包含每個單元格值除以2的結果。所有NaN進行除法之前，細胞已充滿50。

範例2：采用div()函數使用索引軸查找帶有係列對象的 DataFrame 的浮點數除法。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.DataFrame({"A":[5, 3, 6, 4], 
                   "B":[11, 2, 4, 3], 
                   "C":[4, 3, 8, 5], 
                   "D":[5, 4, 2, 8]}) 
  
# Create a series object with no. of elements  
# equal to the element along the index axis. 
  
# Creating a pandas series object 
series_object = pd.Series([2, 3, 1.5, 4]) 
  
# Print the series_obejct 
series_object

輸出：

注意：如果 DataFrame 和係列對象的索引軸尺寸不同，則會發生錯誤。

現在，沿著索引軸找到帶有係列對象的 DataFrame 元素的劃分

# To find the division 
df.div(series_object, axis = 0)

輸出：

輸出是帶有單元格的數據幀，其中包含當前單元格元素與相應係列對象單元格的劃分結果。

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.div()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。