首页 > Python资料 博客日记
Python酷库之旅-第三方库Pandas(039)
2024-08-06 20:00:04Python资料围观103次
文章Python酷库之旅-第三方库Pandas(039)分享给大家，欢迎收藏Python资料网，专注分享技术知识
目录
130、pandas.Series.combine_first方法
一、用法精讲
126、pandas.Series.rfloordiv方法
126-1、语法
# 126、pandas.Series.rfloordiv方法
pandas.Series.rfloordiv(other, level=None, fill_value=None, axis=0)
Return Integer division of series and other, element-wise (binary operator rfloordiv).
Equivalent to other // series, but with support to substitute a fill_value for missing data in either one of the inputs.
Parameters:
other
Series or scalar value
level
int or name
Broadcast across a level, matching Index values on the passed MultiIndex level.
fill_value
None or float value, default None (NaN)
Fill existing missing (NaN) values, and any new element needed for successful Series alignment, with this value before computation. If data in both corresponding Series locations is missing the result of filling (at that location) will be missing.
axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.
Returns:
Series
The result of the operation.126-2、参数
126-2-1、other(必须)：表示要与被除数进行操作的值，可以是一个标量，一个数组或另一个Series。
126-2-2、level(可选，默认值为None)：一个整数或字符串，如果被除数是一个多层索引的Series，你可以通过这个参数指定你希望沿着哪个级别进行运算。
126-2-3、fill_value(可选，默认值为None)：该值将在参与运算的元素中缺失时使用，如果Series中存在缺失值，可以用这个值填补，从而确保运算能够正常进行。
126-2-4、axis(可选，默认值为0)：指定操作的轴，默认值为0(行)。
126-3、功能
用于对Series中的元素进行逆向整数除法(即向下取整的除法)的函数，这种操作通常涉及到数据的除法运算，其中结果会向下取整。
126-4、返回值
返回一个新的Series，其中包含了运算的结果。
126-5、说明
无
126-6、用法
126-6-1、数据准备
无126-6-2、代码示例
# 126、pandas.Series.rfloordiv方法
# 126-1、基本用法
import pandas as pd
s1 = pd.Series([2, 3, 4], index=['a', 'b', 'c'])
s2 = pd.Series([5, 6, 7], index=['a', 'b', 'c'])
result = s1.rfloordiv(s2)
print(result, end='\n\n')
# 126-2、使用level参数
import pandas as pd
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
index = pd.MultiIndex.from_arrays(arrays, names=('letters', 'numbers'))
s1 = pd.Series([10, 20, 30, 40], index=index)
s2 = pd.Series([2, 3, 4, 5], index=index)
result = s1.rfloordiv(s2, level='letters')
print(result, end='\n\n')
# 126-3、使用fill_value参数
import pandas as pd
s1 = pd.Series([1, 2], index=['a', 'b'])
s2 = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
result = s1.rfloordiv(s2, fill_value=1)
print(result, end='\n\n')
# 126-4、使用axis参数(主要适用于DataFrame)
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [10, 20], 'B': [30, 40]})
result = df1.rfloordiv(df2, axis=0)
print(result)126-6-3、结果输出
# 126、pandas.Series.rfloordiv方法
# 126-1、基本用法
# a 2
# b 2
# c 1
# dtype: int64
# 126-2、使用level参数
# letters numbers
# A 1 0
# 2 0
# B 1 0
# 2 0
# dtype: int64
# 126-3、使用fill_value参数
# a 10.0
# b 10.0
# c 30.0
# dtype: float64
# 126-4、使用axis参数(主要适用于DataFrame)
# A B
# 0 10 10
# 1 10 10127、pandas.Series.rmod方法
127-1、语法
# 127、pandas.Series.rmod方法
pandas.Series.rmod(other, level=None, fill_value=None, axis=0)
Return Modulo of series and other, element-wise (binary operator rmod).
Equivalent to other % series, but with support to substitute a fill_value for missing data in either one of the inputs.
Parameters:
other
Series or scalar value
level
int or name
Broadcast across a level, matching Index values on the passed MultiIndex level.
fill_value
None or float value, default None (NaN)
Fill existing missing (NaN) values, and any new element needed for successful Series alignment, with this value before computation. If data in both corresponding Series locations is missing the result of filling (at that location) will be missing.
axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.
Returns:
Series
The result of the operation.127-2、参数
127-2-1、other(必须)：表示要与Series中的元素进行模运算的值，可以是标量、数组或另一个 Series。
127-2-2、level(可选，默认值为None)：一个整数或字符串，适用于多层索引的Series，用于指定沿着哪个级别进行模运算。
127-2-3、fill_value(可选，默认值为None)：在参与运算的元素中缺失时，使用此值填补，这样可以确保运算顺利进行。
127-2-4、axis(可选，默认值为0)：一个整数，指定操作的轴，默认值为0(行)。
127-3、功能
用于计算Series中元素的逆向取模运算(即右模运算)的函数。
127-4、返回值
返回一个新的Series，其中包含模运算的结果。
127-5、说明
无
127-6、用法
127-6-1、数据准备
无127-6-2、代码示例
# 127、pandas.Series.rmod方法
# 127-1、基本用法
import pandas as pd
s1 = pd.Series([2, 3, 4], index=['a', 'b', 'c'])
s2 = pd.Series([5, 6, 7], index=['a', 'b', 'c'])
result = s1.rmod(s2)
print(result, end='\n\n')
# 127-2、使用level参数
import pandas as pd
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
index = pd.MultiIndex.from_arrays(arrays, names=('letters', 'numbers'))
s1 = pd.Series([10, 20, 30, 40], index=index)
s2 = pd.Series([2, 3, 4, 5], index=index)
result = s1.rmod(s2, level='letters')
print(result, end='\n\n')
# 127-3、使用fill_value参数
import pandas as pd
s1 = pd.Series([1, 2], index=['a', 'b'])
s2 = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
result = s1.rmod(s2, fill_value=1)
print(result, end='\n\n')
# 127-4、使用axis参数(主要适用于DataFrame)
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [10, 20], 'B': [30, 40]})
result = df1.rmod(df2, axis=0)
print(result)127-6-3、结果输出
# 127、pandas.Series.rmod方法
# 127-1、基本用法
# a 1
# b 0
# c 3
# dtype: int64
# 127-2、使用level参数
# letters numbers
# A 1 2
# 2 3
# B 1 4
# 2 5
# dtype: int64
# 127-3、使用fill_value参数
# a 0.0
# b 0.0
# c 0.0
# dtype: float64
# 127-4、使用axis参数(主要适用于DataFrame)
# A B
# 0 0 0
# 1 0 0128、pandas.Series.rpow方法
128-1、语法
# 128、pandas.Series.rpow方法
pandas.Series.rpow(other, level=None, fill_value=None, axis=0)
Return Exponential power of series and other, element-wise (binary operator rpow).
Equivalent to other ** series, but with support to substitute a fill_value for missing data in either one of the inputs.
Parameters:
other
Series or scalar value
level
int or name
Broadcast across a level, matching Index values on the passed MultiIndex level.
fill_value
None or float value, default None (NaN)
Fill existing missing (NaN) values, and any new element needed for successful Series alignment, with this value before computation. If data in both corresponding Series locations is missing the result of filling (at that location) will be missing.
axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.
Returns:
Series
The result of the operation.128-2、参数
128-2-1、other(必须)：表示要与Series中的元素进行幂运算的值，可以是标量、数组或另一个 Series。
128-2-2、level(可选，默认值为None)：一个整数或字符串，适用于具有多层索引的Series，用于指定沿哪个级别进行运算。
128-2-3、fill_value(可选，默认值为None)：在参与运算的元素中缺失时，使用此值填补，这样可以确保运算顺利进行。
128-2-4、axis(可选，默认值为0)：一个整数，指定操作的轴，默认值为0(行)。
128-3、功能
用于计算Series中元素的逆向幂运算(即右幂运算)的方法。
128-4、返回值
返回一个新的Series，其中包含逆向幂运算的结果。
128-5、说明
无
128-6、用法
128-6-1、数据准备
无128-6-2、代码示例
# 128、pandas.Series.rpow方法
# 128-1、基本用法
import pandas as pd
s1 = pd.Series([2, 3, 4], index=['a', 'b', 'c'])
s2 = pd.Series([5, 6, 7], index=['a', 'b', 'c'])
result = s1.rpow(s2)
print(result, end='\n\n')
# 128-2、使用level参数
import pandas as pd
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
index = pd.MultiIndex.from_arrays(arrays, names=('letters', 'numbers'))
s1 = pd.Series([10, 20, 30, 40], index=index)
s2 = pd.Series([2, 3, 4, 5], index=index)
result = s1.rpow(s2, level='letters')
print(result, end='\n\n')
# 128-3、使用fill_value参数
import pandas as pd
s1 = pd.Series([1, 2], index=['a', 'b'])
s2 = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
result = s1.rpow(s2, fill_value=1)
print(result, end='\n\n')
# 128-4、使用axis参数(主要适用于DataFrame)
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [10, 20], 'B': [30, 40]})
result = df1.rpow(df2, axis=0)
print(result)128-6-3、结果输出
# 128、pandas.Series.rpow方法
# 128-1、基本用法
# a 25
# b 216
# c 2401
# dtype: int64
# 128-2、使用level参数
# letters numbers
# A 1 1024
# 2 3486784401
# B 1 1152921504606846976
# 2 -4369436395329424031
# dtype: int64
# 128-3、使用fill_value参数
# a 10.0
# b 400.0
# c 30.0
# dtype: float64
# 128-4、使用axis参数(主要适用于DataFrame)
# A B
# 0 10 27000
# 1 400 2560000129、pandas.Series.combine方法
129-1、语法
# 129、pandas.Series.combine方法
pandas.Series.combine(other, func, fill_value=None)
Combine the Series with a Series or scalar according to func.
Combine the Series and other using func to perform elementwise selection for combined Series. fill_value is assumed when value is missing at some index from one of the two objects being combined.
Parameters:
other
Series or scalar
The value(s) to be combined with the Series.
func
function
Function that takes two scalars as inputs and returns an element.
fill_value
scalar, optional
The value to assume when an index is missing from one Series or the other. The default specifies to use the appropriate NaN value for the underlying dtype of the Series.
Returns:
Series
The result of combining the Series with the other object.129-2、参数
129-2-1、other(必须)：表示另一个要与当前Series合并的Series对象。
129-2-2、func(必须)：表示用于合并两个Series的函数，该函数需要接受两个参数，代表两个Series中的对应元素，并返回一个合并后的值。
129-2-3、value(可选，默认值为None)：用于处理缺失值的填充值，如果other中有缺失值，则会使用该值代替。
129-3、功能
用于合并两个Series对象的方法，它使用指定的函数(func)来结合两个Series的元素。
129-4、返回值
返回一个新的Series，其中包含根据func合并后的结果。
129-5、说明
无
129-6、用法
129-6-1、数据准备
无129-6-2、代码示例
# 129、pandas.Series.combine方法
import pandas as pd
# 示例Series
s1 = pd.Series([5, 6, 3, None])
s2 = pd.Series([10, None, 8, 11])
# 自定义合并函数，选择较大的值
def combine_func(x, y):
return x if pd.notnull(x) and (pd.isnull(y) or x > y) else y
# 使用combine
result = s1.combine(s2, combine_func, fill_value=0)
print(result)129-6-3、结果输出
# 129、pandas.Series.combine方法
# 0 10.0
# 1 6.0
# 2 8.0
# 3 11.0
# dtype: float64130、pandas.Series.combine_first方法
130-1、语法
# 130、pandas.Series.combine_first方法
pandas.Series.combine_first(other)
Update null elements with value in the same location in ‘other’.
Combine two Series objects by filling null values in one Series with non-null values from the other Series. Result index will be the union of the two indexes.
Parameters:
other
Series
The value(s) to be used for filling null values.
Returns:
Series
The result of combining the provided Series with the other object.130-2、参数
130-2-1、other(必须)：表示另一个要与当前Series合并的Series对象。
130-3、功能
用于合并两个Series对象的方法，它主要用于填充缺失值(NaN)，该方法会将当前Series的值与另一个Series的值进行比较，如果当前Series中的某个元素是缺失值，那么就会用other中对应位置的值来填充。
130-4、返回值
返回一个新的Series，其索引与当前Series相同，值为当前Series中的值和other中的值的结合。若当前值为缺失，则使用other中的对应值，否则保持当前值。
130-5、说明
无
130-6、用法
130-6-1、数据准备
无130-6-2、代码示例
# 130、pandas.Series.combine_first方法
import pandas as pd
# 示例Series
s1 = pd.Series([1, 2, None, 4])
s2 = pd.Series([None, 5, 6, None])
# 使用combine_first填充缺失值
result = s1.combine_first(s2)
print(result)130-6-3、结果输出
# 130、pandas.Series.combine_first方法
# 0 1.0
# 1 2.0
# 2 6.0
# 3 4.0
# dtype: float64二、推荐阅读
1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页
版权声明：本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！
标签：
相关文章
最新发布
- 【Python】selenium安装+Microsoft Edge驱动器下载配置流程
- Python 中自动打开网页并点击[自动化脚本],Selenium
- Anaconda基础使用
- 【Python】成功解决 TypeError: ‘＜‘ not supported between instances of ‘str’ and ‘int’
- manim边学边做--三维的点和线
- CPython是最常用的Python解释器之一，也是Python官方实现。它是用C语言编写的，旨在提供一个高效且易于使用的Python解释器。
- Anaconda安装配置Jupyter（2024最新版）
- Python中读取Excel最快的几种方法！
- Python某城市美食商家爬虫数据可视化分析和推荐查询系统毕业设计论文开题报告
- 如何使用 Python 批量检测和转换 JSONL 文件编码为 UTF-8
点击排行
- 版本匹配指南：Numpy版本和Python版本的对应关系
- 版本匹配指南：PyTorch版本、torchvision 版本和Python版本的对应关系
- Python 可视化 web 神器：streamlit、Gradio、dash、nicegui；低代码 Python Web 框架：PyWebIO
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Python与PyTorch的版本对应
- Anaconda版本和Python版本对应关系（持续更新...）
- Python pyinstaller打包exe最完整教程
- Could not build wheels for llama-cpp-python, which is required to install pyproject.toml-based proj
本站推荐
