Series
优质
小牛编辑
127浏览
2023-12-01
| 函数 | 说明 | |
|---|---|---|
| 构造器 | ||
| Series([data, index, dtype, name, copy, …]) | 带有轴标签的一维 ndarray (包括时间 Series)。 | |
| 属性 | ||
| 轴线 | ||
| Series.index | Series 的索引 (轴标签)。 | |
| Series.values | 根据 dtype，返回 ndarray 或类似 ndarray 的 Series | |
| Series.dtype | 返回基础数据的 dtype 对象 | |
| Series.ftype | 如果数据稀疏 | 密集，则返回 |
| Series.shape | 返回基础数据形状的元组 | |
| Series.nbytes | 返回基础数据中的字节数 | |
| Series.ndim | 根据定义 1 返回基础数据的维数 | |
| Series.size | 返回基础数据中的元素数 | |
| Series.strides | 返回基础数据的步长 | |
| Series.itemsize | 返回基础数据项的 dtype 大小 | |
| Series.base | 如果共享基础数据的内存，则返回基对象 | |
| Series.T | 返回转置，这是自我定义 | |
| Series.memory_usage([index, deep]) | 返回 Series 的内存使用情况。 | |
| Series.hasnans | 如果我有 nans 就回来；启用各种性能加速 | |
| Series.flags | - | |
| Series.empty | - | |
| Series.dtypes | 返回基础数据的 dtype 对象 | |
| Series.ftypes | 如果数据稀疏 | 密集，则返回 |
| Series.data | 返回基础数据的数据指针 | |
| Series.is_copy | - | |
| Series.name | - | |
| Series.put(args, *kwargs) | 如果 put 方法有值属性，则将其应用于该属性。 | |
| 转变 | ||
| Series.astype(dtype[, copy, errors]) | 将 Pandas 对象转换为指定的 dtype dtype。 | |
| Series.infer_objects() | 尝试为对象列推断更好的数据类型。 | |
| Series.convert_objects([convert_dates, …]) | (已弃用) 尝试推断对象列的更好 dtype。 | |
| Series.copy([deep]) | 复制此对象的索引和数据。 | |
| Series.bool() | 返回单个元素 PandasObject 的布尔。 | |
| Series.to_period([freq, copy]) | 以所需频率将 Series 从 DatetimeIndex 转换为周期索引 (如果未通过，则从索引推断) | |
| Series.to_timestamp([freq, how, copy]) | 转换为时间段开始时时间戳的日期时间索引 | |
| Series.tolist() | 返回值列表。 | |
| Series.get_values() | 与值相同 (但处理稀疏转换)；是一种观点 | |
| 索引、迭代 | ||
| Series.get(key[, default]) | 从给定键 (DataFrame 列、Panel 切片等) 的对象中获取项目。) . | |
| Series.at | 访问行 / 列标签对的单个值。 | |
| Series.iat | 按整数位置访问行 / 列对的单个值。 | |
| Series.loc | 通过标签或布尔数组访问一组行和列。 | |
| Series.iloc | 用于按位置选择的纯整数位置索引。 | |
| Series.iter() | 返回值的迭代器。 | |
| Series.iteritems() | 懒洋洋地迭代 (索引，值) 元组 | |
| Series.items() | 懒洋洋地迭代 (索引，值) 元组 | |
| Series.keys() | 索引别名 | |
| Series.pop(item) | 返回项目并从框架中删除。 | |
| Series.item() | 以 python 标量形式返回基础数据的第一个元素 | |
| Series.xs(key[, axis, level, drop_level]) | 从 Series/DataFrame 返回横截面 (行或列)。 | |
| 二元算子函数 | ||
| Series.add(other[, level, fill_value, axis]) | Series 和其他元素相加 (二进制运算符相加)。 | |
| Series.sub(other[, level, fill_value, axis]) | Series 减法和其他元素减法 (二进制运算符 sub)。 | |
| Series.mul(other[, level, fill_value, axis]) | 级数与其他元素相乘 (二元运算符 mul)。 | |
| Series.div(other[, level, fill_value, axis]) | Series 和其他元素的浮动除法 (二元运算符 truediv)。 | |
| Series.truediv(other[, level, fill_value, axis]) | Series 和其他元素的浮动除法 (二元运算符 truediv)。 | |
| Series.floordiv(other[, level, fill_value, axis]) | 按元素对 Series 和其他 Series 进行整数除法 (二进制运算符 flooddiv)。 | |
| Series.mod(other[, level, fill_value, axis]) | Series 模和其他元素方式 (二进制运算符 mod)。 | |
| Series.pow(other[, level, fill_value, axis]) | 级数指数幂和其他元素幂 (二元算子幂)。 | |
| Series.radd(other[, level, fill_value, axis]) | 级数和其他元素相加 (二元算子 radd)。 | |
| Series.rsub(other[, level, fill_value, axis]) | Series 减法和其他元素减法 (二元运算符 rsub)。 | |
| Series.rmul(other[, level, fill_value, axis]) | 级数与其他元素相乘 (二元运算符 rmul)。 | |
| Series.rdiv(other[, level, fill_value, axis]) | Series 和其他元素的浮动划分 (二元运算符 rtruediv)。 | |
| Series.rtruediv(other[, level, fill_value, axis]) | Series 和其他元素的浮动划分 (二元运算符 rtruediv)。 | |
| Series.rfloordiv(other[, level, fill_value, …]) | 整数除法 Series 和其他，元素方式 (二元运算符 rfloordiv)。 | |
| Series.rmod(other[, level, fill_value, axis]) | Series 模和其他元素 (二元运算符 rmod)。 | |
| Series.rpow(other[, level, fill_value, axis]) | 级数的指数幂和其他元素的指数幂 (二元算子 rpow)。 | |
| Series.combine(other, func[, fill_value]) | 当一个 Series 或另一个 Series 中缺少索引时，使用给定函数和可选填充值对两个 Series 执行元素二进制操作 | |
| Series.combine_first(other) | 组合 Series 值，首先选择调用 Series 的值。 | |
| Series.round([decimals]) | 将 Series 中的每个值舍入到给定的小数位数。 | |
| Series.lt(other[, level, fill_value, axis]) | 少于 Series 和其他元素 (二元运算符 lt)。 | |
| Series.gt(other[, level, fill_value, axis]) | 大于 Series 和其他元素 (二元运算符 gt)。 | |
| Series.le(other[, level, fill_value, axis]) | 小于或等于级数和其他元素的 (二元运算符 le)。 | |
| Series.ge(other[, level, fill_value, axis]) | 大于或等于 Series 和其他元素的 (二元运算符 ge)。 | |
| Series.ne(other[, level, fill_value, axis]) | 不等于级数等，按元素计算 (二元运算符 ne)。 | |
| Series.eq(other[, level, fill_value, axis]) | 等于级数和其他，按元素计算 (二元运算符 eq)。 | |
| Series.product([axis, skipna, level, …]) | 返回请求轴值的乘积 | |
| Series.dot(other) | 与 DataFrame 的矩阵乘法或与 Series 对象的内积。 | |
| 功能应用程序，GroupBy & windows | ||
| Series.apply(func[, convert_dtype, args]) | 调用 Series 值上的函数。 | |
| Series.agg(func[, axis]) | 使用指定轴上的一个或多个操作聚合。 | |
| Series.aggregate(func[, axis]) | 使用指定轴上的一个或多个操作聚合。 | |
| Series.transform(func, args, *kwargs) | 调用函数生成类似索引的 NDFrame，并返回带有转换值的 NDFrame | |
| Series.map(arg[, na_action]) | 使用输入对应关系映射 Series 值 (dict、Series 或函数)。 | |
| Series.groupby([by, axis, level, as_index, …]) | 使用映射程序 (dict 或 key 函数，将给定函数应用于组，将结果作为 Series 返回) 或按一 Series 列对 Series 进行分组。 | |
| Series.rolling(window[, min_periods, …]) | 提供滚动窗口计算。 | |
| Series.expanding([min_periods, center, axis]) | 提供扩展转换。 | |
| Series.ewm([com, span, halflife, alpha, …]) | 提供指数加权函数 | |
| Series.pipe(func, args, *kwargs) | 应用 func (自我， args， * kwargs) | |
| 计算 / 描述统计 | ||
| Series.abs() | 返回每个元素具有绝对值的 Series/DataFrame。 | |
| Series.all([axis, bool_only, skipna, level]) | 返回 Series 轴或 DataFrame 轴上的所有元素是否为 True。 | |
| Series.any([axis, bool_only, skipna, level]) | 返回在请求的轴上是否有任何元素为真。 | |
| Series.autocorr([lag]) | 滞后 - N 自相关 | |
| Series.between(left, right[, inclusive]) | 返回等效于左 < = Series < = right 的布尔级数。 | |
| Series.clip([lower, upper, axis, inplace]) | 输入阈值处的修剪值。 | |
| Series.clip_lower(threshold[, axis, inplace]) | 返回值低于阈值的输入副本被截断。 | |
| Series.clip_upper(threshold[, axis, inplace]) | 返回截断值大于给定值的输入副本。 | |
| Series.corr(other[, method, min_periods]) | 计算与其他 Series 的相关性，不包括缺失值 | |
| Series.count([level]) | Series 中非 NA /null 观测值的返回数 | |
| Series.cov(other[, min_periods]) | 用 Series 计算协方差，不包括缺失值 | |
| Series.cummax([axis, skipna]) | 返回 DataFrame 或 Series 轴上的累积最大值。 | |
| Series.cummin([axis, skipna]) | 返回 DataFrame 或 Series 轴上的累积最小值。 | |
| Series.cumprod([axis, skipna]) | 通过 DataFrame 或 Series 轴返回累积产品。 | |
| Series.cumsum([axis, skipna]) | 返回 DataFrame 或 Series 轴上的累计总和。 | |
| Series.describe([percentiles, include, exclude]) | 生成描述性统计数据，总结数据集分布的中心趋势、分散和形状，不包括 NaN 值。 | |
| Series.diff([periods]) | 元素的第一离散差。 | |
| Series.factorize([sort, na_sentinel]) | 将对象编码为枚举类型或分类变量。 | |
| Series.kurt([axis, skipna, level, numeric_only]) | 使用 Fisher 的峰度定义返回请求轴上的无偏峰度 (正常峰度 = = 0.0)。 | |
| Series.mad([axis, skipna, level]) | 返回请求轴值的平均绝对偏差 | |
| Series.max([axis, skipna, level, numeric_only]) | 此方法返回对象中值的最大值。 | |
| Series.mean([axis, skipna, level, numeric_only]) | 返回请求轴值的平均值 | |
| Series.median([axis, skipna, level, …]) | 返回请求轴的值的中间值 | |
| Series.min([axis, skipna, level, numeric_only]) | 此方法返回对象中值的最小值。 | |
| Series.mode() | 返回数据集的模式。 | |
| Series.nlargest([n, keep]) | 返回最大的 n 个元素。 | |
| Series.nsmallest([n, keep]) | 返回最小的 n 个元素。 | |
| Series.pct_change([periods, fill_method, …]) | 当前元素和先前元素之间的百分比变化。 | |
| Series.prod([axis, skipna, level, …]) | 返回请求轴值的乘积 | |
| Series.quantile([q, interpolation]) | 给定分位数的返回值，即 la 数值百分位。 | |
| Series.rank([axis, method, numeric_only, …]) | 沿轴计算数值数据列 (1 到 n)。 | |
| Series.sem([axis, skipna, level, ddof, …]) | 返回请求轴上平均值的无偏标准误差。 | |
| Series.skew([axis, skipna, level, numeric_only]) | 返回由 N - 1 归一化的请求轴上的无偏歪斜 | |
| Series.std([axis, skipna, level, ddof, …]) | 返回要求轴上的样品标准偏差。 | |
| Series.sum([axis, skipna, level, …]) | 返回请求轴的值之和 | |
| Series.var([axis, skipna, level, ddof, …]) | 返回请求轴上的无偏方差。 | |
| Series.kurtosis([axis, skipna, level, …]) | 使用 Fisher 的峰度定义返回请求轴上的无偏峰度 (正常峰度 = = 0.0)。 | |
| Series.unique() | 返回 Series 对象的唯一值。 | |
| Series.nunique([dropna]) | 返回对象中唯一元素的数目。 | |
| Series.is_unique | 如果对象中的值是唯一的，则返回 boolean | |
| Series.is_monotonic | 如果对象中的值是单调递增的，则返回 boolean | |
| Series.is_monotonic_increasing | 如果对象中的值是单调递增的，则返回 boolean | |
| Series.is_monotonic_decreasing | 如果对象中的值是单调递减的，则返回 boolean | |
| Series.value_counts([normalize, sort, …]) | 返回包含唯一值计数的对象。 | |
| Series.compound([axis, skipna, level]) | 返回请求轴值的复合百分比 | |
| Series.nonzero() | 返回非零元素的整数索引 | |
| Series.ptp([axis, skipna, level, numeric_only]) | 返回对象中最大值和最小值之间的差值。 | |
| 重新设计 / 选择 / 标签操作 | ||
| Series.align(other[, join, axis, level, …]) | 将轴上的两个对象与每个轴索引的指定连接方法对齐 | |
| Series.drop([labels, axis, index, columns, …]) | 返回删除了指定索引标签的 Series。 | |
| Series.drop_duplicates([keep, inplace]) | 返回删除重复值的 Series。 | |
| Series.duplicated([keep]) | 指示重复的 Series 值。 | |
| Series.equals(other) | 确定两个 NDFrame 对象是否包含相同的元素。 | |
| Series.first(offset) | 基于日期偏移对时间 Series 数据初始周期进行细分的便捷方法。 | |
| Series.head([n]) | 返回前 n 行。 | |
| Series.idxmax([axis, skipna]) | 返回最大值的行标签。 | |
| Series.idxmin([axis, skipna]) | 返回最小值的行标签。 | |
| Series.isin(values) | 检查值是否包含在 Series 中。 | |
| Series.last(offset) | 基于日期偏移对时间 Series 数据的最终周期进行细分的便捷方法。 | |
| Series.reindex([index]) | 用可选的填充逻辑使 Series 符合新索引，将 NA / NaN 放置在前一个索引中没有值的位置。 | |
| Series.reindex_like(other[, method, copy, …]) | 将具有匹配索引的对象返回给我自己。 | |
| Series.rename([index]) | 更改 Series 索引标签或名称 | |
| Series.rename_axis(mapper[, axis, copy, inplace]) | 更改索引或列的名称。 | |
| Series.reset_index([level, drop, name, inplace]) | 使用索引重置生成新的 DataFrame 或 Series。 | |
| Series.sample([n, frac, replace, weights, …]) | 从对象轴返回项目的随机样本。 | |
| Series.select(crit[, axis]) | (已弃用) 返回与轴标签匹配条件相对应的数据 | |
| Series.set_axis(labels[, axis, inplace]) | 为给定轴指定所需的索引。 | |
| Series.take(indices[, axis, convert, is_copy]) | 沿轴返回给定位置索引中的元素。 | |
| Series.tail([n]) | 返回最后 n 行。 | |
| Series.truncate([before, after, axis, copy]) | 在某个索引值前后截断 Series 或 DataFrame。 | |
| Series.where(cond[, other, inplace, axis, …]) | 返回与 self 形状相同的对象，其对应条目来自 self，cond 为 True，否则来自其他。 | |
| Series.mask(cond[, other, inplace, axis, …]) | 返回与 self 形状相同的对象，其对应条目来自 self，cond 为 False，否则来自其他。 | |
| Series.add_prefix(prefix) | 带字符串前缀的前缀标签。 | |
| Series.add_suffix(suffix) | 带有字符串后缀的后缀标签。 | |
| Series.filter([items, like, regex, axis]) | 根据指定索引中的标签子集 DataFrame 的行或列。 | |
| 缺失数据处理 | ||
| Series.isna() | 检测缺失值。 | |
| Series.notna() | 检测现有 (未丢失) 值。 | |
| Series.dropna([axis, inplace]) | 返回删除了缺少值的新 Series。 | |
| Series.fillna([value, method, axis, …]) | 使用指定的方法填写 NA / NaN 值 | |
| Series.interpolate([method, axis, limit, …]) | 根据不同的方法插值。 | |
| 整形、分选 | ||
| Series.argsort([axis, kind, order]) | 覆盖 ndarray . argsort。 | |
| Series.argmin([axis, skipna]) | (已弃用).. | |
| Series.argmax([axis, skipna]) | (已弃用).. | |
| Series.reorder_levels(order) | 使用输入顺序重新排列索引级别。 | |
| Series.sort_values([axis, ascending, …]) | 按值排序。 | |
| Series.sort_index([axis, level, ascending, …]) | 按索引标签排序 Series。 | |
| Series.swaplevel([i, j, copy]) | 交换多索引中的级别 I 和 j | |
| Series.unstack([level, fill_value]) | 史黛克，又名 | |
| Series.searchsorted(value[, side, sorter]) | 查找应该插入元素以维持秩序的索引。 | |
| Series.ravel([order]) | 将展平的基础数据作为 ndarray 返回 | |
| Series.repeat(repeats, args, *kwargs) | 重复 Series 的元素。 | |
| Series.squeeze([axis]) | 挤压长度 1 尺寸。 | |
| Series.view([dtype]) | 创建 Series 的新视图。 | |
| Series.sortlevel([level, ascending, …]) | (已弃用) 按选定级别对具有多索引的 Series 进行排序。 | |
| 合并 / 加入 / 合并 | ||
| Series.append(to_append[, ignore_index, …]) | 连接两个或多个 Series。 | |
| Series.replace([to_replace, value, inplace, …]) | 将 to _ replace 中给定的值替换为值。 | |
| Series.update(other) | 使用传递 Series 中的非 NA 值就地修改 Series。 | |
| 时间 Series 相关的 | ||
| Series.asfreq(freq[, method, how, …]) | 将时间 Series 转换为指定频率。 | |
| Series.asof(where[, subset]) | 取不带 NaN 的最后一行 (或者在 DataFrame 的情况下，不带 NaN 的最后一行仅考虑列的子集) | |
| Series.shift([periods, freq, axis]) | 按所需周期数移位索引，可选时间频率 | |
| Series.first_valid_index() | 返回第一个非 NA /null 值的索引。 | |
| Series.last_valid_index() | 返回最后一个非 NA /null 值的索引。 | |
| Series.resample(rule[, how, axis, …]) | 时间 Series 频率转换和 Resampling 的便捷方法。 | |
| Series.tz_convert(tz[, axis, level, copy]) | 将 tz 感知轴转换为目标时区。 | |
| Series.tz_localize(tz[, axis, level, copy, …]) | 将 tz - naive 时间 Series 本地化为目标时区。 | |
| Series.at_time(time[, asof]) | 选择一天中特定时间的值 (例如 | |
| Series.between_time(start_time, end_time[, …]) | 选择一天中特定时间之间的值 (例如，上午 9 : 00 - 9 : 30)。 | |
| Series.tshift([periods, freq, axis]) | 移动时间索引，使用索引的频率 (如果可用)。 | |
| Series.slice_shift([periods, axis]) | 相当于移位而不复制数据。 | |
| 类日期属性 | ||
| 日期时间属性 | ||
| Series.dt.date | 返回 python datetime . date 对象的 numpy 数组 (即时间戳中没有时区信息的日期部分)。 | |
| Series.dt.time | 返回 datetime . time 的 numpy 数组。 | |
| Series.dt.year | 日期时间的年份 | |
| Series.dt.month | 1 月 = 1 月，12 月 = 12 月 | |
| Series.dt.day | 日期时间的天数 | |
| Series.dt.hour | 日期时间的小时数 | |
| Series.dt.minute | 日期时间的分钟数 | |
| Series.dt.second | 日期时间的秒数 | |
| Series.dt.microsecond | 日期时间的微秒 | |
| Series.dt.nanosecond | 日期时间的纳秒 | |
| Series.dt.week | 一年中的第几周 | |
| Series.dt.weekofyear | 一年中的第几周 | |
| Series.dt.dayofweek | 星期一 = 0，星期日 = 6 的星期几 | |
| Series.dt.weekday | 星期一 = 0，星期日 = 6 的星期几 | |
| Series.dt.dayofyear | 一年中的第几天 | |
| Series.dt.quarter | 日期的季度 | |
| Series.dt.is_month_start | 逻辑指示每月第一天 (由频率定义) | |
| Series.dt.is_month_end | 指示日期是否为当月的最后一天。 | |
| Series.dt.is_quarter_start | 指示日期是否为季度的第一天。 | |
| Series.dt.is_quarter_end | 指示日期是否为季度的最后一天。 | |
| Series.dt.is_year_start | 指出日期是否为一年中的第一天。 | |
| Series.dt.is_year_end | 指出日期是否为一年中的最后一天。 | |
| Series.dt.is_leap_year | 如果日期属于闰年，则为布尔指示符。 | |
| Series.dt.daysinmonth | 当月的天数 | |
| Series.dt.days_in_month | 当月的天数 | |
| Series.dt.tz | - | |
| Series.dt.freq | - | |
| 日期时间方法 | ||
| Series.dt.to_period(args, *kwargs) | 以特定频率转换为周期指数。 | |
| Series.dt.to_pydatetime() | 将数据作为本机 Python datetime 对象的数组返回 | |
| Series.dt.tz_localize(args, *kwargs) | 将 tz - naive 日期时间索引本地化为 tz 感知的日期时间索引。 | |
| Series.dt.tz_convert(args, *kwargs) | 将 tz 感知的日期时间索引从一个时区转换到另一个时区。 | |
| Series.dt.normalize(args, *kwargs) | 将时间转换为午夜。 | |
| Series.dt.strftime(args, *kwargs) | 使用指定的 date _ format 转换为索引。 | |
| Series.dt.round(args, *kwargs) | 将数据舍入到指定的频率。 | |
| Series.dt.floor(args, *kwargs) | 将数据降至指定频率。 | |
| Series.dt.ceil(args, *kwargs) | 将数据上限设置为指定频率。 | |
| Series.dt.month_name(args, *kwargs) | 返回具有指定区域设置的 DateTimeIndex 的月份名称。 | |
| Series.dt.day_name(args, *kwargs) | 返回具有指定区域设置的 DateTimeIndex 的日期名称。 | |
| 时间增量属性 | ||
| Series.dt.days | 每个元素的天数。 | |
| Series.dt.seconds | 每个元素的秒数 (> = 0 且小于 1 天)。 | |
| Series.dt.microseconds | 每个元素的微秒数 (> = 0 且小于 1 秒)。 | |
| Series.dt.nanoseconds | 每个元素的纳秒数 (> = 0 且小于 1 微秒)。 | |
| Series.dt.components | 返回时间增量组件的 DataFrame (天、小时、分钟、秒、毫秒、微秒、纳秒)。 | |
| 时间增量法 | ||
| Series.dt.to_pytimedelta() | 返回本机 datetime . timedelta 对象的数组。 | |
| Series.dt.total_seconds(args, *kwargs) | 返回每个元素的总持续时间 (以秒为单位)。 |