Pandas2.2 DataFrame
Binary operator functions
| 方法 | 描述 |
|---|---|
| DataFrame.add(other) | 用于執行 DataFrame 與另一個對象（如 DataFrame、Series 或標量）的逐元素加法操作 |
| DataFrame.add(other[, axis, level, fill_value]) | 用于執行 DataFrame 與另一個對象（如 DataFrame、Series 或標量）的逐元素加法操作 |
| DataFrame.sub(other[, axis, level, fill_value]) | 用于執行逐元素的減法操作 |
| DataFrame.mul(other[, axis, level, fill_value]) | 用于執行逐元素的乘法操作 |
| DataFrame.div(other[, axis, level, fill_value]) | 用于執行逐元素的除法操作 |
| DataFrame.truediv(other[, axis, level, …]) | 用于執行逐元素的真除法操作 |
| DataFrame.floordiv(other[, axis, level, …]) | 用于執行逐元素的地板除法操作 |
| DataFrame.mod(other[, axis, level, fill_value]) | 用于執行逐元素的取模操作 |
| DataFrame.pow(other[, axis, level, fill_value]) | 用于對 DataFrame 中的元素進行冪運算 |
| DataFrame.dot(other) | 用于計算兩個 DataFrame（或 DataFrame 與 Series/數組）之間的**矩陣點積（矩陣乘法）**的方法 |
| DataFrame.radd(other[, axis, level, fill_value]) | 用于執行反向加法運算 |
| DataFrame.rsub(other[, axis, level, fill_value]) | 用于執行反向減法運算 |
| DataFrame.rmul(other[, axis, level, fill_value]) | 用于執行反向乘法運算 |
| DataFrame.rdiv(other[, axis, level, fill_value]) | 用于執行反向除法運算 |
| DataFrame.rtruediv(other[, axis, level, …]) | 用于執行反向真除法運算 |
| DataFrame.rfloordiv(other[, axis, level, …]) | 用于執行反向整除運算（地板除法） |
pandas.DataFrame.rfloordiv()
pandas.DataFrame.rfloordiv 方法用于執行反向整除運算（地板除法）。具體來說，它相當于調用 other // self，其中 self 是調用該方法的 DataFrame。地板除法會向下取整，結果是一個整數。
參數說明
- other: 用于進行除法運算的值，可以是標量、序列、DataFrame 或字典。
- axis: 指定沿哪個軸進行運算。
0或'index'表示沿行進行運算，1或'columns'表示沿列進行運算。默認為1（即'columns'）。 - level: 如果
other是一個 MultiIndex，則指定沿哪個級別進行運算。默認為None。 - fill_value: 用于填充缺失值的值。默認為
None。
示例及結果
示例 1: 使用標量進行反向整除運算
import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})print("原始 DataFrame:")
print(df)result = df.rfloordiv(10)
print("\n反向整除后的 DataFrame (使用 rfloordiv 并指定標量 10):")
print(result)
結果:
原始 DataFrame:A B C
0 1 4 7
1 2 5 8
2 3 6 9反向整除后的 DataFrame (使用 rfloordiv 并指定標量 10):A B C
0 10 2 1
1 5 4 1
2 3 1 1
示例 2: 使用序列進行反向整除運算
import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})other = pd.Series([10, 20, 30])print("原始 DataFrame:")
print(df)result = df.rfloordiv(other, axis=0)
print("\n反向整除后的 DataFrame (使用 rfloordiv 并指定序列):")
print(result)
結果:
原始 DataFrame:A B C
0 1 4 7
1 2 5 8
2 3 6 9反向整除后的 DataFrame (使用 rfloordiv 并指定序列):A B C
0 10 2 1
1 10 4 2
2 10 5 3
示例 3: 使用 DataFrame 進行反向整除運算
import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})other_df = pd.DataFrame({'A': [10, 20, 30],'B': [20, 25, 30],'C': [30, 40, 45]
})print("原始 DataFrame:")
print(df)result = df.rfloordiv(other_df)
print("\n反向整除后的 DataFrame (使用 rfloordiv 并指定 DataFrame):")
print(result)
結果:
原始 DataFrame:A B C
0 1 4 7
1 2 5 8
2 3 6 9反向整除后的 DataFrame (使用 rfloordiv 并指定 DataFrame):A B C
0 10 5 4
1 10 5 5
2 10 5 5
示例 4: 使用字典進行反向整除運算
import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})other_dict = {'A': 10, 'B': 20, 'C': 30}print("原始 DataFrame:")
print(df)result = df.rfloordiv(other_dict)
print("\n反向整除后的 DataFrame (使用 rfloordiv 并指定字典):")
print(result)
結果:
原始 DataFrame:A B C
0 1 4 7
1 2 5 8
2 3 6 9反向整除后的 DataFrame (使用 rfloordiv 并指定字典):A B C
0 10 5 4
1 5 4 3
2 3 3 3
解釋
-
使用標量進行反向整除運算:
df.rfloordiv(10)計算 DataFramedf中的每個元素與標量10的整除。- 結果是一個新的 DataFrame，其中每個元素是
10整除df中的元素的結果。
-
使用序列進行反向整除運算:
df.rfloordiv(other, axis=0)計算 DataFramedf的每一行與序列other的對應元素的整除。- 結果是一個新的 DataFrame，其中每個元素是
other的對應元素除以df的元素的結果，向下取整。
-
使用 DataFrame 進行反向整除運算:
df.rfloordiv(other_df)計算 DataFramedf與other_df的對應元素的整除。- 結果是一個新的 DataFrame，其中每個元素是
other_df的元素除以df的元素的結果，向下取整。
-
使用字典進行反向整除運算:
df.rfloordiv(other_dict)計算 DataFramedf的每一列與字典other_dict中對應鍵的值的整除。- 結果是一個新的 DataFrame，其中每個元素是字典
other_dict中的值除以df的元素的結果，向下取整。
這些示例展示了 DataFrame.rfloordiv 方法的不同用法及其效果。根據具體需求，可以選擇合適的參數來進行反向整除運算。
——DateTimePicker?控件解析)
)
