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
# @Author : 小红牛s.values ndarray 返回s的值
s.name str 返回s的name(可更改)
s.index Index 返回s的索引(可更改)
s.index.name str 返回s的索引的name属性(可更改)
s.index.is_unique bool 判断s的索引值是否唯一
s.dtype np.dtype 返回s的数据类型
s.ftype str 返回s是稀疏的还是稠密的
s.shape tuple 返回s的形状 (n,)
s.nbytes int 返回s的字节数
s.ndim int 返回s的纬度数 1
s.size int 返回s的元素数量
s.strides tuple 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.itemsize int 返回s中元素的字节数
s.base
s.T Series 返回s的转置, 但s是一维的所以还是它本身
s.memory_usage() int s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
dtype np.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=True True: 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.iteritems Iterator 返回一个(索引, 值)的迭代器
运算
s.add() Series 加法运算. 同s+s2
other Series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ss2
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s2s
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
other Series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() Series other 求索引的并集, 优先保留左侧的值
s.round() Series decimals=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
func s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
arg fun: 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() float Lag-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
other Series
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=None Series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() bool other 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() Series offset ‘5M’: 过去5个月
s.head() Series n=5 返回前n行
s.idxmax() index skipna=True 排除NA/null值(否则返回nan)
s.idxmin() index skipna=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
values set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=None None: 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
