Python Pandas dataframe.div()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python软件包的奇妙生态系统。Pandas就是这些包中的一个，使导入和分析数据变得更加容易。
Pandas dataframe.div()用于寻找数据框架和其他元素的浮动分割。这个函数类似于dataframe/other，但额外支持处理其中一个输入数据的缺失值。

语法: DataFrame.div(other, axis=’columns’, level=None, fill_value=None)
参数:
other：系列，数据框架，或常数
axis：对于系列输入，axis要与系列的索引相匹配。
fill_value :用这个值来填补缺失（NaN）的值。如果两个DataFrame的位置都缺失，结果将是缺失。
level :跨层广播，与通过的MultiIndex层的索引值相匹配。
返回： result : DataFrame

例子#1：使用div()函数来寻找数据帧元素的浮动除法，其值为常数。同时处理数据帧中存在的NaN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

现在找到每个数据框架元素与2的分界线

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

输出 :

输出是一个数据框架，其中的单元格包含每个单元格的值与2相除的结果。

示例#2：使用div()函数来查找一个带有系列对象的数据框架在索引axis上的浮动分割。

# 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

输出 :

注意：如果数据框架的索引axis和系列对象的尺寸不一样，则会发生错误。
现在，沿着索引axis找到与系列对象的数据框架元素的划分

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

输出 :

输出是一个数据框架，其中的单元格包含了当前单元格元素与相应系列对象单元格的划分结果。