Python Pandas DataFrame div方法用法及代碼示例

Pandas DataFrame.div(~) 方法將源 DataFrame 中的值除以標量、序列、Series 或 DataFrame，即：

DataFrame / other

注意

除非您使用參數 axis 、 level 和 fill_value ，否則 div(~) 相當於使用 / 運算符執行除法。

參數

1.other | scalar 或 sequence 或 Series 或 DataFrame

生成的 DataFrame 將是源 DataFrame 除以 other 。

2. axis | int 或 string | optional

是否為源DataFrame的每一列或每一行廣播other：

軸	說明
`"index"` 或 `0`	每列廣播`other`。
`"columns"` 或 `1`	每行廣播 `other`。

僅當源 DataFrame 的形狀與 other 的形狀不對齊時，axis 才相關。默認情況下，axis=1 。

3. level | int 或 string | optional

要考慮的級別的名稱或整數索引。僅當您的 DataFrame 是多索引時，這才相關。

4. fill_value | float 或 None | optional

在計算之前替換NaN的值。兩個 NaN 之間的除法仍將得到 NaN 。默認情況下，fill_value=None 。

返回值

除法產生的新DataFrame。

例子

基本用法

考慮以下數據幀：

df = pd.DataFrame({"A":[20,30], "B":[40,50]})
df_other = pd.DataFrame({"A":[5,6], "B":[4,25]})



   A   B   |     A  B
0  20  40  |  0  5  4
1  30  50  |  1  6  25

執行除法得到：

df.div(df_other)



   A    B
0  4.0  10.0
1  5.0  2.0

請注意，這相當於：

df / df_other



   A    B
0  4.0  10.0
1  5.0  2.0

廣播

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[20,30], "B":[40,50]})
df



   A   B
0  20  40
1  30  50

按行劃分

默認情況下， axis=1 ，這意味著 other 將為 df 中的每一行廣播：

df.div([10,100])   # axis=1



   A    B
0  2.0  0.4
1  3.0  0.5

在這裏，我們進行以下按元素劃分：

20/10 40/100
30/10 50/100

按列劃分

要為 df 中的每一列廣播 other，請像這樣設置 axis=0：

df.div([10,100], axis=0)



   A    B
0  2.0  4.0
1  0.3  0.5

在這裏，我們進行以下按元素劃分：

20/10 40/10
30/100 50/100

指定fill_value

考慮以下 DataFrame ：

df = pd.DataFrame({"A": [2,np.NaN], "B":[np.NaN,5]})
df_other = pd.DataFrame({"A":[10,20],"B":[np.NaN,np.NaN]})



   A    B      |     A   B
0  2.0  NaN    |  0  10  NaN
1  NaN  5.0    |  1  20  NaN

默認情況下，當我們使用 div(~) 計算除法時，任何使用 NaN 的操作都會產生 NaN ：

df.div(df_other)



   A    B
0  0.2  NaN
1  NaN  NaN

我們可以在執行除法之前使用 fill_value 參數填充 NaN 值，如下所示：

df.div(df_other, fill_value=100)



   A    B
0  0.2  NaN
1  5.0  0.05

請注意，當運算在兩個 NaN 之間時，其結果仍然是 NaN ，而不管 fill_value 。

相關用法

注：本文由純淨天空篩選整理自Isshin Inada大神的英文原創作品 Pandas DataFrame | div method。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。