Python Pandas dataframe.floordiv()

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.floordiv()函数用于数据帧与常数、系列或任何其他数据帧的整数分割。
如果对方是一个系列，那么系列的尺寸必须与数据框架的分界axis相匹配。如果对方是一个数据框，那么两个数据框应该有相同的尺寸。
相当于dataframe/other，但支持用fill_value代替其中一个输入中的缺失数据。

语法: DataFrame.floordiv(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

示例#1：使用floordiv()函数查找一个数据帧与**常数的整数除法。数据帧包含NA值。

# importing pandas as pd
import pandas as pd
 
# Creating the dataframe
df = pd.DataFrame({"A":[5, 3, 6, 4],
                   "B":[11, None, 4, 3],
                   "C":[4, 3, 8, None],
                   "D":[5, 4, 2, 8]})
 
# Print the dataframe
df

现在应用floordiv()函数。在我们的数据框架中，我们有NA值。我们把所有这些值都填成50。

# applying floordiv() function
df.floordiv(2, fill_value = 50)

输出 :

注意，在执行整数除法之前，数据框中所有的非Na值都被填充为50。

例子2：使用floordiv()函数找到一个数据帧与**系列的整数除法。

# 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]})
 
# creating series
sr = pd.Series([2, 1, 3, 1])
 
# applying floordiv() function
df.floordiv(sr, axis = 0)

输出 :

数据框架的每一行都被系列对象中的相应数值除以。