Python|熊猫系列.divide()

Pandas 系列是带有轴标签的一维 ndarray。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，并提供了许多用于执行涉及索引的操作的方法。

Pandas Series.divide()函数执行系列和其他元素的浮动除法（二元运算符truediv）。它等同于series / other ，但支持用 fill_value 替换其中一个输入中的缺失数据。

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

Parameter :
other : Series or scalar value
fill_value : Fill existing missing (NaN) values.
level : Broadcast across a level, matching Index values on the passed MultiIndex level

Returns : result : Series

示例 #1：使用Series.divide()函数以标量对给定系列对象执行浮动除法。

# 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 ：

现在我们将使用Series.divide()函数以标量对给定系列对象执行浮动除法。

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

输出 ：

正如我们在输出中看到的那样， Series.divide()函数已经成功地使用标量对给定的系列对象执行了浮动除法。示例 #2 ：使用Series.divide()函数对给定系列对象执行带有标量的浮动除法。给定的系列对象包含一些缺失值。

# 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 ：

现在我们将使用Series.divide()函数以标量对给定系列对象执行浮动除法。我们将在所有缺失值的位置填充 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)

输出 ：

正如我们在输出中看到的那样， Series.divide()函数已经成功地使用标量对给定的系列对象执行了浮动除法。