跳转至

Python | Pandas series.rtruediv()

原文:https://www.geesforgeks.org/python-pandas-series-rtruediv/

熊猫系列是带有轴标签的一维数组。标签不必是唯一的,但必须是可散列的类型。该对象支持基于整数和基于标签的索引,并提供了一系列方法来执行涉及索引的操作。

熊猫 **Series.rtruediv()**函数返回序列和其他元素的浮点除法(二进制运算符 rtruediv)。该功能相当于other / series,但支持用 fill_value 替换其中一个输入中缺失的数据。

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

参数: 其他:系列或标量值 fill_value : 填充现有缺失(NaN)值 级别:跨级别广播,在传递的多索引级别上匹配索引值

返回:系列

示例#1: 使用Series.rtruediv()函数以标量元素方式对给定的 Series 对象执行反向分割。

# 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: 现在我们将使用Series.rtruediv()函数用标量对给定的 Series 对象执行元素式的反向浮动除法。

# perform reverse floating division with 1000
selected_items = sr.rtruediv(other = 1000)

# Print the returned Series object
print(selected_items)

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

示例#2 : 使用Series.rtruediv()函数以标量元素方式对给定的 Series 对象执行反向划分。给定的 Series 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:

现在我们将使用Series.rtruediv()函数对给定的带有标量的 Series 对象执行元素级的反向浮动除法。我们用 100 替换所有缺失的值。

# 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)

输出:

正如我们在输出中看到的那样,Series.rtruediv()函数已经成功地返回了给定 Series 对象与标量的反向除法,并且它还在所有缺失值的地方替换了 100。



回到顶部