DataFrame.floordiv(self, other, axis='columns', level=None, fill_value=None)
获取dataframe和其他元素的整数除法(二进制操作符floordiv)。
与dataframe // other等价，但支持用fill_value替换其中一个输入中丢失的数据。与反向版本，rfloordiv。
在灵活的包装器(add，sub，mul，div，mod，pow)算术运算符:+，-，*，/，//，%，**。
参数： | other ： 标量(scalar)，序列(sequence)， Series或DataFrame 任何单个或多个元素的数据结构， 或类似列表的对象。 axis ： {0或'index'，1或'columns'} 是按索引（0或“索引”） 还是按列（1或“列”）进行比较。 对于Series输入，轴上要匹配Series索引。 level ： 整数或标签 在一个级别上广播， 在传递的MultiIndex级别上匹配索引值。 fill_value ： 在计算之前，请使用此值填充现有的缺失（NaN） 值以及成功完成DataFrame对齐所需的任何新元素。 如果两个对应的DataFrame位置中的数据均丢失， 则结果将丢失。 |
返回值： | DataFrame 算术运算的结果。 |
Notes
不匹配的索引将合并在一起。
例子
1）使用 floordiv 进行地板除法
import pandas as pd
# 创建两个 DataFrame
df1 = pd.DataFrame({
'A': [10, 20, 30],
'B': [40, 50, 60]
})
df2 = pd.DataFrame({
'A': [3, 5, 7],
'B': [4, 6, 8]
})
# 使用 floordiv 进行地板除法
result = df1.floordiv(df2)
print(result)
2）和另一个 DataFrame 进行整除
import pandas as pd
# 创建两个示例 DataFrame
df1 = pd.DataFrame({
'A': [10, 20, 30],
'B': [3, 6, 9]
})
df2 = pd.DataFrame({
'A': [2, 4, 6],
'B': [1, 2, 3]
})
# 使用 floordiv 进行整数除法
result = df1.floordiv(df2)
print(result)
3）带有缺失值（NaN）的地板除法与填充值
import pandas as pd
# 创建带有缺失值的 DataFrame
df1 = pd.DataFrame({
'A': [10, 20, None],
'B': [40, None, 60]
})
df2 = pd.DataFrame({
'A': [5, 5, 5],
'B': [5, 5, 5]
})
# 使用 fill_value 填充缺失值
result = df1.floordiv(df2, fill_value=0)
print(result)