python库--pandas--Series

方法返回数据类型参数说明
Series(一维)   
.Series()

Series

实例s

创建一维数据类型Series
data=None要转化为Series的数据(也可用dict直接设置行索引) 若是标量则必须设置索引,该值会重复,来匹配索引的长度
index=None设置行索引
dtype=None设置数据类型(使用numpy数据类型)
name=None设置Series的name属性
copy=False不复制 (当data为ndarray,Series时生效,否则复制)
fastpath=False 
s.valuesndarray返回s的值
s.namestr返回s的name(可更改)
s.indexIndex返回s的索引(可更改)
s.index.namestr返回s的索引的name属性(可更改)
s.index.is_uniquebool判断s的索引值是否唯一
s.dtypenp.dtype返回s的数据类型
s.ftypestr返回s是稀疏的还是稠密的
s.shapetuple返回s的形状 (n,)
s.nbytesint返回s的字节数
s.ndimint返回s的纬度数 1
s.sizeint返回s的元素数量
s.stridestuple返回s中数据的步幅, 即指针移动一次的字节数 (单元素字节数,)
s.itemsizeint返回s中元素的字节数
s.base  
s.TSeries返回s的转置, 但s是一维的所以还是它本身
s.memory_usage()ints的内存使用情况(字节)
index=True索引是否参与计算
deep=False是否计算s引用的对象的内存使用情况
s.astype()Series转换数据类型
dtypenp.dtype
copy=True是否复制基层数据
errors=’raise’‘raise’: 转换失败则报错
‘ignore’: 转换失败则保留原数据类型
s.copy()Series拷贝s
deep=TrueTrue: 浅拷贝; False: 引用对象
s.isnull()Series 返回一个大小相同值为bool的对象, 指示值是否为null
s.notnull()Series 返回一个大小相同值为bool的对象, 指示值是否不为null
索引, 迭代   
s.get() 返回s中对应索引的值, 若索引不存在则返回None或指定值
key想要获取的值的索引
default=None若索引不存在返回的值
s.at[i] 标量基于标签的访问器
s.iat[n] 标量基于位置的访问器
s.ix[i or n] 或 s[]  基于标签和位置的访问器, 支持.loc和.iloc中的任何输入
s.loc[i] [i]基于单个标签访问
[i1, i2, i3]基于多个标签访问
[i1:i2]返回i1与i2之间的元素(包括边界)
[[bool]]传入bool数组, 返回True位置对应的那些值
s.iloc[n] [n]基于单个位置访问
[n1, n2, n3]基于多个位置访问
[n1:n2]类似list
[[bool]]传入bool数组, 返回True位置对应的那些值
s.__iter__()Iterator 返回一个基于值的迭代器
s.iteritemsIterator 返回一个(索引, 值)的迭代器
运算   
s.add()Series加法运算. 同s+s2
otherSeries或标量
level=None 
fill_value=None使用此值填充缺失值
s.sub()Series减法运算. 同s-s2
s.mul()Series乘法运算. 同s*s2
s.div()Series浮点除法运算. 同s/s2
s.truediv()Series浮点除法运算. 同s/s2
s.floordiv()Series整数除法运算. 同s//s2
s.mod()Series取模(余)运算. 同s%s2
s.pow()Series幂运算. 同s**s2
s.radd()Series右侧加法. 同s2+s
s.rsub()Series右侧减法. 同s2-s
s.rmul()Series右侧乘法. 同s2*s
s.rdiv()Series右侧浮点除法. 同s2/s
s.rtruediv()Series右侧浮点除法. 同s2/s
s.rfloordiv()Series右侧整数除法. 同s2//s
s.rmod()Series右侧取余运算. 同s2%s
s.rpow()Series右侧幂运算. 同s2**s
s.lt()Series同 s < s2
s.gt()Series同 s > s2
s.le()Series同 s <= s2
s.ge()Series同 s >= s2
s.ne()Series同 s != s2
s.eq()Series同 s == s2
s.combine()Series使用自定义函数运算
otherSeries或标量
func传入两个参数, 返回一个参数的函数
fill_value=nan当其中一个s缺少索引是, 使用此值填充后进行运算
s.combine_first()Seriesother求索引的并集, 优先保留左侧的值
s.round()Seriesdecimals=0四舍五入为给定的小数位数
np.exp(s)Series支持大多数numpy方法
功能应用  
s.apply()

Series

对s中所有值执行某一操作
funcs中每个值要执行的操作(函数)
convert_dtype=T尝试自动适配dtype, 若为False, 则保留为dtype=object
args=()除了值之外, 还要传递给函数的位置参数
**kwds传递给函数的关键字参数
s.map()Series映射
argfun: 传入value返回值作为输出
dict或Series: 映射key(index)->value
na_action=None‘ignore’: s中nan值将不会受到映射函数的影响
    
计算/描述统计   
s.abs()Series 返回所有值的绝对值
s.all()bool s中是否全为True(非bool值默认会转换)
s.any()bool s中是否存在True(非bool值默认会转换)
s.autocorr()floatLag-N自相关
lag=1执行自相关之前应用的滞后数
   
重构索引 / 选择 / 标签操作
s.align()tuple更新索引, 并以(new_s, new_s2)的形式返回, 缺失以nan补全
otherSeries
join=’outer’‘outer’: 新索引为s与s2的并集
‘inner’: 新索引为s与s2的交集
‘left’ : 新索引为s的索引
‘right’: 新索引为s2的索引
axis=NoneSeries不要更改此参数
level=None 
copy=True是否返回新对象
fill_value=None缺失值使用的值, 默认np.NaN
method=None 
limit=None 
fill_axis=0 
broadcast_ axis=None 
s.drop()Series删除对应标签并返回新对象
labels单一标签或list_like
axis=0 
level=None 
inplace=False若为True则修改s本身而不是新生成一个对象
error=’raise’‘ignore’ :忽略错误
s.drop_duplicates()Series删除重复项
keep‘first’: 仅保留第一次出现的副本(默认)
‘last’: 删除重复项, 但最后一项除外
False: 删除所有重复项
inplace=False若为True则修改s本身而不是新生成一个对象
s.duplicated()Series返回是否是重复项的bool表示结果
keep‘first’: 除第一次出现外, 标记重复为True
‘last’: 除了最后一次出现, 标记重复为True
False: 将所有重复项标记为True
s.equal()boolother判断两个Series是否包含相同元素, 相同位置NaN被认为是相同的
s.first()Series基于时间偏移来获取时间序列的子集
offset’10D’: 前10天
s.last()Seriesoffset‘5M’: 过去5个月
s.head()Seriesn=5返回前n行
s.idxmax()indexskipna=True排除NA/null值(否则返回nan)
s.idxmin()indexskipna=True排除NA/null值(否则返回nan)
s.isin()Series返回布尔Series, 显示s中每个元素是否包含在传入的序列中
valuesset或list-like, 不可以是单个字符串
s.reindex()Series更新索引, 索引对应的值不变, 之前不存在的索引的值默认设为NaN(s的索引必须单调递增或递减)
index新索引
method=NoneNone: 不填充间隙
‘backfill’ / ‘bfill’: 将比此索引排序靠后的有效值索引的值填充到此处
‘pad’ / ‘ffill’: 将比此索引排序靠前的有效值索引的值填充到此处
‘nearest’: 仅适用于可用于判断距离的索引, 选择离得最近的索引的值填充
copy=True返回一个新对象, 即使传递的索引是相同的
level=None 
fill_value=np.nan缺失值填充的内容
limit=None向前或向后填充的连续元素的最大数量(貌似索引只能是数字)
tolerance=None原标签和新标签的最大距离(可计算距离的数据类型)
    
s.rename()Series修改Series的name或索引且产生一个新的Series(应该可以本地修改, 但尝试没有成功)
index  

标量: 更改s的name
fun: 把索引传入函数, 传出值替换原索引
字典: {old_index: new_index}
copy=True 
    

 

    原文作者:spark
    原文地址: https://www.cnblogs.com/P--K/p/8214873.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞