Python Pandas Series.divide()

Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的，但必须是一个可散列的类型。该对象支持基于整数和标签的索引，并提供了大量的方法来执行涉及索引的操作。

Pandas Series.divide()函数执行系列和其他元素的浮动除法（二进制运算符truediv）。它等同于系列/其他，但支持用fill_value来替代其中一个输入中的缺失数据。

语法: Series.divide(other, level=None, fill_value=None, axis=0)

参数:
other：系列或标量值
fill_value :填补现有的缺失（NaN）值。
level :跨层广播，与通过的MultiIndex层的索引值相匹配。

示例#1：使用Series.divide()函数对给定的系列对象与标量进行浮动除法。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([80, 25, 3, 25, 24, 6])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

输出 :
Python Pandas Series.divide()

现在我们将使用Series.divide()函数对给定的系列对象与一个标量进行浮动分割。

# perform floating division
result = sr.divide(other = 2)
  
# Print the result
print(result)

输出 :
Python Pandas Series.divide()
正如我们在输出中所看到的，Series.divide()函数已经成功地对给定的系列对象进行了浮动除法，并且是一个标量。

示例#2 :使用Series.divide()函数对给定的系列对象与一个标量进行浮动除法。给定的系列对象包含一些缺失的值。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([100, None, None, 18, 65, None, 32, 10, 5, 24, None])
  
# Create the Index
index_ = pd.date_range('2010-10-09', periods = 11, freq ='M')
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

输出 :

Python Pandas Series.divide()

现在我们将使用Series.divide()函数来对给定的系列对象进行浮动除法，并使用一个标量。我们将在所有缺失值的位置上填充50。

# perform floating division
# fill 50 at the place of missing values
result = sr.divide(other = 2, fill_value = 50)
  
# Print the result
print(result)