pandas.DataFrame.floordiv

DataFrame.floordiv(other, axis='columns', level=None, fill_value=None)

对DataFrame和其他值进行整除，逐元素进行（二元运算符 floordiv）。

Equivalent to dataframe // other, but with support to substitute a fill_value for missing data in one of the inputs. With reverse version, rfloordiv.

在灵活的运算符包装器（add, sub, mul, div, floordiv, mod, pow）和算术运算符（+, -, *, /, //, %, **）之间。

Parameters:

other标量、序列、Series、dict或DataFrame

任何单个或多个元素的`数据结构`，或类列表对象。

axis{0 或 ‘index’, 1 或 ‘columns’}

是按索引 (0 或 ‘index’) 还是按列 (1 或 ‘columns’) 进行比较。对于 Series 输入，axis 用于匹配 Series 索引。

levelint 或 label

跨级别广播，匹配 MultiIndex 级别上的索引值。

fill_valuefloat 或 None, default None

在计算之前，使用此值填充现有的缺失（NaN）值以及成功对齐 DataFrame 所需的任何新元素。如果两个对应 DataFrame 位置的数据都缺失，则结果将是缺失的。

Returns:

DataFrame

算术运算的结果。

参见

DataFrame.add

添加 DataFrame。

DataFrame.sub

减去 DataFrame。

DataFrame.mul

乘以 DataFrame。

DataFrame.div

除以 DataFrame（浮点数除法）。

DataFrame.truediv

除以 DataFrame（浮点数除法）。

DataFrame.floordiv

除以 DataFrame（整数除法）。

DataFrame.mod

计算模（除法后的余数）。

DataFrame.pow

计算指数幂。

Notes

不匹配的索引将被联合。

Examples

>>> df = pd.DataFrame({'angles': [0, 3, 4],
...                    'degrees': [360, 180, 360]},
...                   index=['circle', 'triangle', 'rectangle'])
>>> df
           angles  degrees
circle          0      360
triangle        3      180
rectangle       4      360

使用运算符版本添加标量，返回相同的结果。

>>> df + 1
           angles  degrees
circle          1      361
triangle        4      181
rectangle       5      361

>>> df.add(1)
           angles  degrees
circle          1      361
triangle        4      181
rectangle       5      361

使用反向版本除以常数。

>>> df.div(10)
           angles  degrees
circle        0.0     36.0
triangle      0.3     18.0
rectangle     0.4     36.0

>>> df.rdiv(10)
             angles   degrees
circle          inf  0.027778
triangle   3.333333  0.055556
rectangle  2.500000  0.027778

使用运算符版本按轴减去列表和 Series。

>>> df - [1, 2]
           angles  degrees
circle         -1      358
triangle        2      178
rectangle       3      358

>>> df.sub([1, 2], axis='columns')
           angles  degrees
circle         -1      358
triangle        2      178
rectangle       3      358

>>> df.sub(pd.Series([1, 1, 1], index=['circle', 'triangle', 'rectangle']),
...        axis='index')
           angles  degrees
circle         -1      359
triangle        2      179
rectangle       3      359

按轴乘以字典。

>>> df.mul({'angles': 0, 'degrees': 2})
            angles  degrees
circle           0      720
triangle         0      360
rectangle        0      720

>>> df.mul({'circle': 0, 'triangle': 2, 'rectangle': 3}, axis='index')
            angles  degrees
circle           0        0
triangle         6      360
rectangle       12     1080

使用运算符版本乘以不同形状的 DataFrame。

>>> other = pd.DataFrame({'angles': [0, 3, 4]},
...                      index=['circle', 'triangle', 'rectangle'])
>>> other
           angles
circle          0
triangle        3
rectangle       4

>>> df * other
           angles  degrees
circle          0      NaN
triangle        9      NaN
rectangle      16      NaN

>>> df.mul(other, fill_value=0)
           angles  degrees
circle          0      0.0
triangle        9      0.0
rectangle      16      0.0

按级别划分 MultiIndex。

>>> df_multindex = pd.DataFrame({'angles': [0, 3, 4, 4, 5, 6],
...                              'degrees': [360, 180, 360, 360, 540, 720]},
...                             index=[['A', 'A', 'A', 'B', 'B', 'B'],
...                                    ['circle', 'triangle', 'rectangle',
...                                     'square', 'pentagon', 'hexagon']])
>>> df_multindex
             angles  degrees
A circle          0      360
  triangle        3      180
  rectangle       4      360
B square          4      360
  pentagon        5      540
  hexagon         6      720

>>> df.div(df_multindex, level=1, fill_value=0)
             angles  degrees
A circle        NaN      1.0
  triangle      1.0      1.0
  rectangle     1.0      1.0
B square        0.0      0.0
  pentagon      0.0      0.0
  hexagon       0.0      0.0