Python Pandas dataframe.rdiv()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.rdiv()函數計算數據幀和其他逐元素的浮點除法(二進製運算符rtruediv)。其他對象可以是標量， Pandas 係列或 Pandas DataFrame 。此函數與執行 other / dataframe 但支持用fill_value代替輸入之一中的丟失數據。

用法： DataFrame.rdiv(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
level:在一個級別上廣播，在傳遞的MultiIndex級別上匹配索引值
numeric_only:僅包含float，int，boolean數據。僅對DataFrame或Panel對象有效
fill_value:在計算之前，請使用此值填充現有的缺失(NaN)值以及成功完成DataFrame對齊所需的任何新元素。如果兩個對應的DataFrame位置中的數據均丟失，則結果將丟失

返回：結果：DataFrame

範例1：采用rdiv()用於按元素劃分數據幀的序列的函數

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.DataFrame({"A":[1, 5, 3, 4, 2], 
                   "B":[3, 2, 4, 3, 4],  
                   "C":[2, 2, 7, 3, 4], 
                   "D":[4, 3, 6, 12, 7]}) 
  
# Print the dataframe 
df

讓我們創建一個係列

# importing pandas as pd 
import pandas as pd 
  
# Create a series 
sr = pd.Series([5, 10, 15, 20], index =["A", "B", "C", "D"]) 
  
# Print the series 
sr

讓我們使用dataframe.rdiv()函數用 DataFrame 劃分序列

# perform division of series with  
# dataframe element-wise over the column axis 
df.rdiv(sr, axis = 1)

輸出：

範例2：采用rdiv()函數將一個數據幀與另一個包含NaN值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the first dataframe  
df1 = pd.DataFrame({"A":[1, 5, 3, 4, 2], 
                    "B":[3, 2, 4, 3, 4],  
                    "C":[2, 2, 7, 3, 4], 
                    "D":[4, 3, 6, 12, 7]}) 
  
# Creating the second dataframe 
df2 = pd.DataFrame({"A":[14, 5, None, 4, 12], 
                    "B":[7, 6, 4, 5, None], 
                    "C":[2, 11, 4, 3, 6],  
                    "D":[4, None, 6, 2, 4]}) 
  
# divide df2 by df1 element-wise 
# Fill all the missing values by 100 
df1.rdiv(df2, fill_value = 100)

輸出：

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.rdiv()。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。