Python Pandas Series.truediv()

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.truediv()函数返回series和other的浮动除法，从元素上看（二进制运算符truediv）。该函数等同于other / series，但支持用fill_value来替代其中一个输入的缺失数据。

语法: Series.rtruediv(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层上的索引值相匹配。

返回：系列

示例#1：使用Series.truediv()函数对给定的Series对象进行反向除法，并以标量为元素。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([100, 25, 32, 118, 24, 65])
  
# 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.truediv()
现在我们将使用Series.truediv()函数对给定的Series对象与一个标量进行逐元反向浮动除法。

# perform reverse floating division with 1000
selected_items = sr.rtruediv(other = 1000)
  
# Print the returned Series object
print(selected_items)

输出 :
Python Pandas Series.truediv()
正如我们在输出中看到的，Series.truediv()函数已经成功地返回了给定的Series对象与标量的反向除法。

示例#2 :使用Series.truediv()函数对给定的Series对象进行反除，并以标量为元素。给定的系列对象还包含一些缺失的值。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([19.5, 16.8, None, 22.78, None, 20.124, None, 18.1002, None])
  
# Print the series
print(sr)

输出 :

Python Pandas Series.truediv()

现在我们将使用Series.truediv()函数对给定的Series对象与标量进行逐元素反向浮动除法。我们用100来替换所有的缺失值。

# perform reverse floating division with 1000
# Fill all the missing values with 100
selected_items = sr.rtruediv(other = 1000, fill_value = 100)
  
# Print the returned Series object
print(selected_items)