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。
