Python pandas.DataFrame.div函数方法的使用

Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.div方法的使用。

DataFrame.div(self，other，axis ='columns'，level = None，fill_value = None)

DataFrame.rdiv(self, other, axis='columns', level=None, fill_value=None) [source]

获取数dataframe和其他元素的浮点除法（二元运算符truediv）。

相当于，但支持将fill_value替换为其中一个输入中的缺失数据。使用反向版本，rtruediv。dataframe/other在灵活的包装器（add，sub，mul，div，mod，pow）中算术运算符：+，-，*，/，//，％，**。

参数：

other ：标量 (scalar)，序列(sequence)，Series或DataFrame

任何单个或多个元素数据结构或类似列表的对象。

axis ： {0 或 ‘index’, 1 或 ‘columns’}

是否通过索引 (0 or ‘index’) 或列(1 或 ‘columns’)进行比较。

对于Series输入，轴匹配Series索引。

level ： int或label

跨级别广播，匹配传递的MultiIndex级别的索引值。

fill_value ： float或None，默认为None

在计算之前使用此值填充现有缺失（NaN）

值以及成功DataFrame对齐所需的任何新元素。

如果缺少相应DataFrame位置中的数据，则结果将丢失。

DataFrame

算术运算的结果。

Note

不匹配的指数将合并在一起。

例子

>>> df = pd.DataFrame({'angles': [0, 3, 4],
...                    'degrees': [360, 180, 360]},
...                   index=['circle', 'triangle', 'rectangle'])
>>> df
           angles  degrees
circle          0      360
triangle        3      180
rectangle       4      360

添加带有运算符版本的标量，返回相同的结果

>>> df + 1
           angles  degrees
circle          1      361
triangle        4      181
rectangle       5      361

>>> df.add(1)
           angles  degrees
circle          1      361
triangle        4      181
rectangle       5      361

用反向版除以常数

>>> df.div(10)
           angles  degrees
circle        0.0     36.0
triangle      0.3     18.0
rectangle     0.4     36.0

>>> df.rdiv(10)
             angles   degrees
circle          inf  0.027778
triangle   3.333333  0.055556
rectangle  2.500000  0.027778

使用运算符版本减去列表和逐个轴

>>> df - [1, 2]
           angles  degrees
circle         -1      358
triangle        2      178
rectangle       3      358

>>> df.sub([1, 2], axis='columns')
           angles  degrees
circle         -1      358
triangle        2      178
rectangle       3      358

>>> df.sub(pd.Series([1, 1, 1], index=['circle', 'triangle', 'rectangle']),
...        axis='index')
           angles  degrees
circle         -1      359
triangle        2      179
rectangle       3      359

将运算符版本的不同形状的DataFrame相乘

>>> other = pd.DataFrame({'angles': [0, 3, 4]},
...                      index=['circle', 'triangle', 'rectangle'])
>>> other
           angles
circle          0
triangle        3
rectangle       4


>>> df * other
           angles  degrees
circle          0      NaN
triangle        9      NaN
rectangle      16      NaN

>>> df.mul(other, fill_value=0)
           angles  degrees
circle          0      0.0
triangle        9      0.0
rectangle      16      0.0

按级别除以MultiIndex

>>> df_multindex = pd.DataFrame({'angles': [0, 3, 4, 4, 5, 6],
...                              'degrees': [360, 180, 360, 360, 540, 720]},
...                             index=[['A', 'A', 'A', 'B', 'B', 'B'],
...                                    ['circle', 'triangle', 'rectangle',
...                                     'square', 'pentagon', 'hexagon']])
>>> df_multindex
             angles  degrees
A circle          0      360
  triangle        3      180
  rectangle       4      360
B square          4      360
  pentagon        5      540
  hexagon         6      720

>>> df.div(df_multindex, level=1, fill_value=0)
             angles  degrees
A circle        NaN      1.0
  triangle      1.0      1.0
  rectangle     1.0      1.0
B square        0.0      0.0
  pentagon      0.0      0.0
  hexagon       0.0      0.0