Python酷库之旅-第三方库Pandas(105)

文章Python酷库之旅-第三方库Pandas(105)分享给大家，欢迎收藏Python资料网，专注分享技术知识

目录

一、用法精讲

456、pandas.DataFrame.rdiv方法

456-1、语法

456-2、参数

456-3、功能

456-4、返回值

456-5、说明

456-6、用法

456-6-1、数据准备

456-6-2、代码示例

456-6-3、结果输出

457、pandas.DataFrame.rtruediv方法

457-1、语法

457-2、参数

457-3、功能

457-4、返回值

457-5、说明

457-6、用法

457-6-1、数据准备

457-6-2、代码示例

457-6-3、结果输出

458、pandas.DataFrame.rfloordiv方法

458-1、语法

458-2、参数

458-3、功能

458-4、返回值

458-5、说明

458-6、用法

458-6-1、数据准备

458-6-2、代码示例

458-6-3、结果输出

459、pandas.DataFrame.rmod方法

459-1、语法

459-2、参数

459-3、功能

459-4、返回值

459-5、说明

459-6、用法

459-6-1、数据准备

459-6-2、代码示例

459-6-3、结果输出

460、pandas.DataFrame.rpow方法

460-1、语法

460-2、参数

460-3、功能

460-4、返回值

460-5、说明

460-6、用法

460-6-1、数据准备

460-6-2、代码示例

460-6-3、结果输出

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

一、用法精讲

456、pandas.DataFrame.rdiv方法

456-1、语法

# 456、pandas.DataFrame.rdiv方法
pandas.DataFrame.rdiv(other, axis='columns', level=None, fill_value=None)
Get Floating division of dataframe and other, element-wise (binary operator rtruediv).

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

Among flexible wrappers (add, sub, mul, div, floordiv, mod, pow) to arithmetic operators: +, -, *, /, //, %, **.

Parameters:
other
scalar, sequence, Series, dict or DataFrame
Any single or multiple element data structure, or list-like object.

axis
{0 or ‘index’, 1 or ‘columns’}
Whether to compare by the index (0 or ‘index’) or columns. (1 or ‘columns’). For Series input, axis to match Series index on.

level
int or label
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
float or None, default None
Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

Returns:
DataFrame
Result of the arithmetic operation.

456-2、参数

456-2-1、other(必须)：标量、Series、DataFrame或array-like对象，要与DataFrame进行反向乘法运算的对象；如果是标量，DataFrame的每个元素将会乘以这个标量；如果是另一个DataFrame或Series，逐元素执行乘法。

456-2-2、axis(可选，默认值为'columns')：{0, 1, 'index', 'columns'}，确定运算的轴，如果为0或'index'，则对行标签对齐进行操作；如果为1或'columns'，则对列标签对齐进行操作，通常情况下，只有other是DataFrame或Series时才需要指定axis参数。

456-2-3、level(可选，默认值为None)：用于在多层索引(MultiIndex)中匹配特定级别，如果DataFrame或other有MultiIndex，level指定要在MultiIndex的哪一层进行对齐。

456-2-4、fill_value(可选，默认值为None)：标量值，在DataFrame与other进行对齐时，若某些元素在其中一个对象中缺失，可以使用fill_value来填充缺失的数据以避免NaN值的出现。

456-3、功能

        执行的是反向乘法运算，假设有一个DataFrame df和一个标量或另一个对象other，df.rmul(other)将会计算other * df(即从other的角度执行乘法，而非df)。如果other是标量，rmul将会把other乘以DataFrame的每一个元素；如果other是一个具有相同索引或列标签的DataFrame或Series，那么乘法将会在相应的元素之间进行。

456-4、返回值

        返回值是一个新的DataFrame，包含了反向乘法操作的结果，它不会修改原始的DataFrame，而是返回一个新的DataFrame。

456-5、说明

        无

456-6、用法

456-6-1、数据准备

无

456-6-2、代码示例

# 456、pandas.DataFrame.rdiv方法
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
# 标量乘法
result = df.rmul(10)
print(result, end='\n\n')

456-6-3、结果输出

# 456、pandas.DataFrame.rdiv方法
#     A   B
# 0  10  40
# 1  20  50
# 2  30  60

457、pandas.DataFrame.rtruediv方法

457-1、语法

# 457、pandas.DataFrame.rtruediv方法
pandas.DataFrame.rtruediv(other, axis='columns', level=None, fill_value=None)
Get Floating division of dataframe and other, element-wise (binary operator rtruediv).

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

Among flexible wrappers (add, sub, mul, div, floordiv, mod, pow) to arithmetic operators: +, -, *, /, //, %, **.

Parameters:
other
scalar, sequence, Series, dict or DataFrame
Any single or multiple element data structure, or list-like object.

axis
{0 or ‘index’, 1 or ‘columns’}
Whether to compare by the index (0 or ‘index’) or columns. (1 or ‘columns’). For Series input, axis to match Series index on.

level
int or label
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
float or None, default None
Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

Returns:
DataFrame
Result of the arithmetic operation.

457-2、参数

457-2-1、other(必须)：标量、Series、DataFrame或array-like对象，要与DataFrame进行反向除法运算的对象，如果是标量，DataFrame的每个元素将会被该标量除；如果是另一个DataFrame或Series，则逐元素执行除法。

457-2-2、axis(可选，默认值为'columns')：{0, 1, 'index', 'columns'}，确定运算的轴，如果为0或'index'，则对行标签对齐进行操作；如果为1或'columns'，则对列标签对齐进行操作，通常情况下，只有other是DataFrame或Series时才需要指定axis参数。

457-2-3、level(可选，默认值为None)：用于在多层索引(MultiIndex)中匹配特定级别，如果DataFrame或other有MultiIndex，level指定要在MultiIndex的哪一层进行对齐。

457-2-4、fill_value(可选，默认值为None)：标量值，在DataFrame与other进行对齐时，若某些元素在其中一个对象中缺失，可以使用fill_value来填充缺失的数据以避免NaN值的出现。

457-3、功能

        执行的是反向除法运算，假设有一个DataFrame df和一个标量或另一个对象other，df.rtruediv(other)将会计算other / df(即从other的角度执行除法，而非df)。如果other是标量，rtruediv将会把other除以DataFrame的每一个元素；如果other是一个具有相同索引或列标签的DataFrame或Series，那么除法将会在相应的元素之间进行。

457-4、返回值

        返回值是一个新的DataFrame，包含了反向除法操作的结果，它不会修改原始的DataFrame，而是返回一个新的DataFrame。

457-5、说明

        无

457-6、用法

457-6-1、数据准备

无

457-6-2、代码示例

# 457、pandas.DataFrame.rtruediv方法
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
# 标量除法
result = df.rtruediv(10)
print(result)

457-6-3、结果输出

# 457、pandas.DataFrame.rtruediv方法
#            A         B
# 0  10.000000  2.500000
# 1   5.000000  2.000000
# 2   3.333333  1.666667

458、pandas.DataFrame.rfloordiv方法

458-1、语法

# 458、pandas.DataFrame.rfloordiv方法
pandas.DataFrame.rfloordiv(other, axis='columns', level=None, fill_value=None)
Get Integer division of dataframe and other, element-wise (binary operator rfloordiv).

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

Among flexible wrappers (add, sub, mul, div, floordiv, mod, pow) to arithmetic operators: +, -, *, /, //, %, **.

Parameters:
other
scalar, sequence, Series, dict or DataFrame
Any single or multiple element data structure, or list-like object.

axis
{0 or ‘index’, 1 or ‘columns’}
Whether to compare by the index (0 or ‘index’) or columns. (1 or ‘columns’). For Series input, axis to match Series index on.

level
int or label
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
float or None, default None
Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

Returns:
DataFrame
Result of the arithmetic operation.

458-2、参数

458-2-1、other(必须)：标量、Series、DataFrame或array-like对象，要与DataFrame进行反向地板除法运算的对象，如果是标量，DataFrame的每个元素将会被该标量整除；如果是另一个DataFrame或Series，则逐元素执行地板除法。

458-2-2、axis(可选，默认值为'columns')：{0, 1, 'index', 'columns'}，确定运算的轴，如果为0或'index'，则对行标签对齐进行操作；如果为1或'columns'，则对列标签对齐进行操作，通常情况下，只有other是DataFrame或Series时才需要指定axis参数。

458-2-3、level(可选，默认值为None)：用于在多层索引(MultiIndex)中匹配特定级别，如果DataFrame或other有MultiIndex，level指定要在MultiIndex的哪一层进行对齐。

458-2-4、fill_value(可选，默认值为None)：标量值，在DataFrame与other进行对齐时，若某些元素在其中一个对象中缺失，可以使用fill_value来填充缺失的数据以避免NaN值的出现。

458-3、功能

        执行反向地板除法运算，假设有一个DataFrame df和一个标量或另一个对象other，df.rfloordiv(other)将计算other // df。

458-4、返回值

        返回值是一个新的DataFrame，包含了反向地板除法操作的结果，它不会修改原始的DataFrame，而是返回一个新的DataFrame。

458-5、说明

        无

458-6、用法

458-6-1、数据准备

无

458-6-2、代码示例

# 458、pandas.DataFrame.rfloordiv方法
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
# 对标量10进行反向地板除法
result = df.rfloordiv(10)
print(result)

458-6-3、结果输出

# 458、pandas.DataFrame.rfloordiv方法
#     A  B
# 0  10  2
# 1   5  2
# 2   3  1

459、pandas.DataFrame.rmod方法

459-1、语法

# 459、pandas.DataFrame.rmod方法
pandas.DataFrame.rmod(other, axis='columns', level=None, fill_value=None)
Get Modulo of dataframe and other, element-wise (binary operator rmod).

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

Among flexible wrappers (add, sub, mul, div, floordiv, mod, pow) to arithmetic operators: +, -, *, /, //, %, **.

Parameters:
other
scalar, sequence, Series, dict or DataFrame
Any single or multiple element data structure, or list-like object.

axis
{0 or ‘index’, 1 or ‘columns’}
Whether to compare by the index (0 or ‘index’) or columns. (1 or ‘columns’). For Series input, axis to match Series index on.

level
int or label
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
float or None, default None
Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

Returns:
DataFrame
Result of the arithmetic operation.

459-2、参数

459-2-1、other(必须)：标量、Series、DataFrame或array-like对象，用于与DataFrame中的元素进行反向取模计算的对象，如果other是一个标量，则DataFrame的每个元素都会与该标量进行计算；如果是另一个DataFrame或Series，则逐元素进行运算。

459-2-2、axis(可选，默认值为'columns')：{0, 1, 'index', 'columns'}，确定运算的轴，如果为0或'index'，则对行标签对齐进行操作；如果为1或'columns'，则对列标签对齐进行操作，通常情况下，只有other是DataFrame或Series时才需要指定axis参数。

459-2-3、level(可选，默认值为None)：用于在多层索引(MultiIndex)中匹配特定级别，如果DataFrame或other有MultiIndex，level指定要在MultiIndex的哪一层进行对齐。

459-2-4、fill_value(可选，默认值为None)：标量值，在DataFrame与other进行对齐时，若某些元素在其中一个对象中缺失，可以使用fill_value来填充缺失的数据以避免NaN值的出现。

459-3、功能

        用于对DataFrame进行元素级别的反向取模操作，即与另一个对象的元素进行取模运算。此方法类似于Python中的取模运算符%，但顺序是反向的，即从other的角度进行取模运算。

459-4、返回值

        返回一个新的DataFrame，其包含反向取模运算的结果，它不会修改原始的DataFrame，而是返回一个新的DataFrame。

459-5、说明

        无

459-6、用法

459-6-1、数据准备

无

459-6-2、代码示例

# 459、pandas.DataFrame.rmod方法
import pandas as pd
# 创建示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
# 对标量10进行反向取模运算
result = df.rmod(10)
print(result)

459-6-3、结果输出

# 459、pandas.DataFrame.rmod方法
#    A  B
# 0  0  2
# 1  0  0
# 2  1  4

460、pandas.DataFrame.rpow方法

460-1、语法

# 460、pandas.DataFrame.rpow方法
pandas.DataFrame.rpow(other, axis='columns', level=None, fill_value=None)
Get Exponential power of dataframe and other, element-wise (binary operator rpow).

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

Among flexible wrappers (add, sub, mul, div, floordiv, mod, pow) to arithmetic operators: +, -, *, /, //, %, **.

Parameters:
other
scalar, sequence, Series, dict or DataFrame
Any single or multiple element data structure, or list-like object.

axis
{0 or ‘index’, 1 or ‘columns’}
Whether to compare by the index (0 or ‘index’) or columns. (1 or ‘columns’). For Series input, axis to match Series index on.

level
int or label
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
float or None, default None
Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

Returns:
DataFrame
Result of the arithmetic operation.

460-2、参数

460-2-1、other(必须)：标量、Series、DataFrame或array-like对象，用于与DataFrame中的元素进行反向幂计算的对象，如果other是一个标量，则DataFrame的每个元素都会与该标量进行计算；如果是另一个DataFrame或Series，则逐元素进行运算。

460-2-2、axis(可选，默认值为'columns')：{0, 1, 'index', 'columns'}，确定运算的轴，如果为0或'index'，则对行标签对齐进行操作；如果为1或'columns'，则对列标签对齐进行操作，通常情况下，只有other是DataFrame或Series时才需要指定axis参数。

460-2-3、level(可选，默认值为None)：用于在多层索引(MultiIndex)中匹配特定级别，如果DataFrame或other有MultiIndex，level指定要在MultiIndex的哪一层进行对齐。

460-2-4、fill_value(可选，默认值为None)：标量值，在DataFrame与other进行对齐时，若某些元素在其中一个对象中缺失，可以使用fill_value来填充缺失的数据以避免NaN值的出现。

460-3、功能

        用于对DataFrame进行元素级别的反向幂运算，即将DataFrame的元素作为幂指数，另一个对象的元素作为底数进行幂运算。简单来说，这相当于其他对象的元素参与幂运算，而DataFrame的元素作为指数。

460-4、返回值

        返回一个新的DataFrame，其包含反向幂运算的结果，它不会修改原始的DataFrame，而是返回一个新的DataFrame。

460-5、说明

        无

460-6、用法

460-6-1、数据准备

无

460-6-2、代码示例

# 460、pandas.DataFrame.rpow方法
import pandas as pd
# 创建示例DataFrame
df = pd.DataFrame({
    'A': [2, 3, 4],
    'B': [1, 2, 3]
})
# 对标量2进行反向幂运算
result = df.rpow(2)
print(result)

460-6-3、结果输出

# 460、pandas.DataFrame.rpow方法
#     A  B
# 0   4  2
# 1   8  4
# 2  16  8

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！