pandas.DataFrame.divide#
- DataFrame.divide(other, axis='columns', level=None, fill_value=None)[源代码]#
按元素(二元运算符)获取数据帧和其他数据的浮点除法 truediv )。
相当于
dataframe / other，但支持用FILL_VALUE替换其中一个输入中缺失的数据。使用反向版本， rtruediv 。在软包装中 (add ， sub ， mul ， div ， mod ， pow )到算术运算符： + ， - ， * ， / ， // ， % ， ** 。
- 参数
- other标量、序列、系列或数据帧
任何单个或多个元素的数据结构或类似列表的对象。
- axis{0或‘index’、1或‘Columns’}
是按索引(0或‘index’)还是按列(1或‘Columns’)进行比较。对于串联输入，轴与串联索引匹配。
- levelInt或Label
跨级别广播，匹配传递的多索引级别上的索引值。
- fill_value浮动或无，默认为无
在计算前使用此值填充现有的缺失(NAN)值以及成功的DataFrame对齐所需的任何新元素。如果两个相应的DataFrame位置中的数据都丢失，则结果将丢失。
- 退货
- DataFrame
算术运算的结果。
参见
DataFrame.add添加DataFrames。
DataFrame.sub减去DataFrames。
DataFrame.mul乘以DataFrames。
DataFrame.div除DataFrames(浮点数除法)。
DataFrame.truediv除DataFrames(浮点数除法)。
DataFrame.floordiv除以DataFrames(整数除法)。
DataFrame.mod计算模数(除法后的余数)。
DataFrame.pow计算指数幂。
注意事项
不匹配的指数将被联合在一起。
示例
>>> 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
添加一个带有返回相同结果的运算符版本的标量。
>>> 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
用反转版本除以常量。
>>> 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
用运算符版本减去列表和轴的系列。
>>> 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
将不同形状的DataFrame与运算符版本相乘。
>>> 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
按级别除以多重索引。
>>> 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