跳转至

Python | Pandas series.div()

原文:https://www.geeksforgeeks.org/python-pandas-series-div/

Python 是进行数据分析的优秀语言,主要是因为以数据为中心的 Python 包的奇妙生态系统。 【熊猫】 就是其中一个包,让导入和分析数据变得容易多了。

Python Series.div() 是用来将系列或者类似的对象按照调用者系列进行等长的划分。

语法: Series.div(其他,级别=无,fill_value =无,轴=0)

参数: 其他:其他系列或列表类型由调用者系列 进行划分 fill_value: 值由系列/列表中的 NaN 在划分前进行替换 级别:多指标情况下级别的整数值

返回类型:带分数值的调用者系列

要下载下例使用的数据集,点击这里的 在下面的例子中,使用的数据框包含了一些 NBA 球员的数据。任何操作前的数据框图像附在下面。

示例#1: 按列表划分系列

在本例中,前 5 行使用存储在新变量中。head()方法。之后,创建一个相同长度的列表,并使用。div()方法

# importing pandas module 
import pandas as pd

# reading csv file from url 
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")

# creating short data of 5 rows
short_data = data.head()

# creating list with 5 values
list =[1, 2, 3, 4, 5]

# Dividing by list data
# creating new column
short_data["Divided Age values"]= short_data["Age"].div(list)

# display
short_data

输出: 如输出图像所示,可以比较分割年龄值列的分割值为(年龄)/(列表)。

示例 2: 将系列除以具有空值的系列

在本例中,“工资”列除以“年龄”列。因为工资列也包含空值,所以默认情况下,无论除以什么,它都会返回 NaN。在本例中,传递 200000,用 200000 替换空值。

# importing pandas module 
import pandas as pd

# reading csv file from url 
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")

# passing age series to variable
age = data["Age"]

# na replacement
na = 200000

# Dividing values
# storing to new column
data["Divided values"]= data["Salary"].div(other = age, fill_value = na)

# display
data.head(10)

输出: 如输出图像所示,在空值的情况下,除数值列有 200000 的除年龄列。



回到顶部