Question

我有一个DataFrame（df1），其维度为2000 rows x 500 columns（不包括索引），我希望将每行划分为另一个维度为1 rows X 500 columns的DataFrame（df2）。两者都有相同的列标题。我试过了：

df.divide(df2)和 df.divide(df2, axis='index')以及其他多个解决方案，我总是会在每个单元格中获得一个nan值的df。我在函数df.divide中缺少什么参数？

Answer 1

在df.divide(df2, axis='index')中，您需要提供df2的轴/行（例如df2.iloc[0]）。

import pandas as pd

data1 = {"a":[1.,3.,5.,2.],
         "b":[4.,8.,3.,7.],
         "c":[5.,45.,67.,34]}
data2 = {"a":[4.],
         "b":[2.],
         "c":[11.]}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2) 

df1.div(df2.iloc[0], axis='columns')

或者您可以使用df1/df2.values[0,:]

Answer 2

您可以除以系列，即df2的第一行：

In [11]: df = pd.DataFrame([[1., 2.], [3., 4.]], columns=['A', 'B'])

In [12]: df2 = pd.DataFrame([[5., 10.]], columns=['A', 'B'])

In [13]: df.div(df2)
Out[13]: 
     A    B
0  0.2  0.2
1  NaN  NaN

In [14]: df.div(df2.iloc[0])
Out[14]: 
     A    B
0  0.2  0.2
1  0.6  0.4

Answer 3

以下是小的澄清：为什么你到处都有NaN而Andy的第一个例子（df.div(df2)）适用于第一行的原因是div尝试匹配索引（和列）。在Andy的例子中，索引0在两个数据帧中都找到，因此进行除法，而不是索引1，因此添加了一行NaN。如果您运行以下命令（仅't'行被划分），此行为应该更加明显：

df_a = pd.DataFrame(np.random.rand(3,5), index= ['x', 'y', 't'])
df_b = pd.DataFrame(np.random.rand(2,5), index= ['z','t'])
df_a.div(df_b)

所以在你的情况下，df2的唯一行的索引显然不存在于df1中。 “幸运的是”，两个数据框中的列标题相同，因此当您对第一行进行切片时，会得到一个系列，其索引由df2的列标题组成。这是最终允许分裂正确发生的原因。

对于索引和列匹配的情况：

df_a = pd.DataFrame(np.random.rand(3,5), index= ['x', 'y', 't'], columns = range(5))
df_b = pd.DataFrame(np.random.rand(2,5), index= ['z','t'], columns = [1,2,3,4,5])
df_a.div(df_b)

Answer 4

如果要将列的每一行划分为特定值，可以尝试：

df['column_name'] = df['column_name'].div(10000)

对我来说，这段代码分为＆＃39; column_name＆＃39;的每一行。 10,000。

Answer 5

要划分一行（有一列或多列），我们需要执行以下操作：

a d g
b e
c f

Python：将DataFrame的每一行除以另一个DataFrame向量

5 个答案: