【Python床头书】python Series api用法方法权威全解

python Series api用法方法全解

Series

构造函数

Series([data, index, dtype, name, copy, ...])

带有轴标签的一维ndarray（包括时间序列）。

属性

属性	描述
Axes
Series.index	Series的索引（轴标签）。
Series.array	该Series或Index的ExtensionArray支持的数据。
Series.values	根据dtype返回作为ndarray或类似ndarray的Series。
Series.dtype	返回底层数据的dtype对象。
Series.shape	返回底层数据的形状的元组。
Series.nbytes	返回底层数据的字节数。
Series.ndim	底层数据的维度数，根据定义为1。
Series.size	返回底层数据的元素数。
Series.T	返回转置，根据定义是自身。
Series.memory_usage([index, deep])	返回Series的内存使用情况。
Series.hasnans	如果存在任何NaN，则返回True。
Series.empty	指示Series/DataFrame是否为空。
Series.dtypes	返回底层数据的dtype对象。
Series.name	返回Series的名称。
Series.flags	获取与此pandas对象关联的属性。
Series.set_flags(*[, copy, …])	返回具有更新标志的新对象。

Conversion

方法名	描述
Series.astype(dtype[, copy, errors])	将pandas对象转换为指定的dtype数据类型。
Series.convert_dtypes([infer_objects, …])	使用支持pd.NA的数据类型，将列转换为最佳可能的数据类型。
Series.infer_objects([copy])	尝试推断对象列的更好数据类型。
Series.copy([deep])	复制该对象的索引和数据。
Series.bool()	（已弃用）返回单个元素Series或DataFrame的布尔值。
Series.to_numpy([dtype, copy, na_value])	返回表示该Series或Index中的值的NumPy ndarray。
Series.to_period([freq, copy])	将Series从DatetimeIndex转换为PeriodIndex。
Series.to_timestamp([freq, how, copy])	转换为Timestamps的DatetimeIndex，位于时间段的开头。
Series.to_list()	返回值的列表。
Series.array([dtype])	以NumPy数组的形式返回值。

索引和迭代

方法名	描述
Series.get(key[, default])	获取给定键（例如：DataFrame列）对应的对象项。
Series.at	访问行/列标签对应的单个值。
Series.iat	按整数位置访问行/列对应的单个值。
Series.loc	按标签或布尔数组访问一组行和列。
Series.iloc	基于纯整数位置进行索引，以根据位置选择。
Series.iter()	返回值的迭代器。
Series.items()	惰性地遍历（索引，值）元组。
Series.keys()	返回索引的别名。
Series.pop(item)	返回项并从系列中删除。
Series.item()	以Python标量的形式返回底层数据的第一个元素。
Series.xs(key[, axis, level, drop_level])	从Series/DataFrame返回交叉部分。
更多关于 .at、.iat、.loc 和 .iloc 的信息，请参阅索引文档。

二元操作符函数

方法名	描述
Series.add(other[, level, fill_value, axis])	返回系列和其他系列相加的结果，逐元素操作（二元操作符 add）。
Series.sub(other[, level, fill_value, axis])	返回系列和其他系列相减的结果，逐元素操作（二元操作符 sub）。
Series.mul(other[, level, fill_value, axis])	返回系列和其他系列相乘的结果，逐元素操作（二元操作符 mul）。
Series.div(other[, level, fill_value, axis])	返回系列和其他系列相除的结果，逐元素操作（二元操作符 truediv）。
Series.truediv(other[, level, fill_value, axis])	返回系列和其他系列相除的结果，逐元素操作（二元操作符 truediv）。
Series.floordiv(other[, level, fill_value, axis])	返回系列和其他系列整除的结果，逐元素操作（二元操作符 floordiv）。
Series.mod(other[, level, fill_value, axis])	返回系列和其他系列取模的结果，逐元素操作（二元操作符 mod）。
Series.pow(other[, level, fill_value, axis])	返回系列和其他系列幂次方的结果，逐元素操作（二元操作符 pow）。
Series.radd(other[, level, fill_value, axis])	返回其他系列和系列相加的结果，逐元素操作（二元操作符 radd）。
Series.rsub(other[, level, fill_value, axis])	返回其他系列和系列相减的结果，逐元素操作（二元操作符 rsub）。
Series.rmul(other[, level, fill_value, axis])	返回其他系列和系列相乘的结果，逐元素操作（二元操作符 rmul）。
Series.rdiv(other[, level, fill_value, axis])	返回其他系列和系列相除的结果，逐元素操作（二元操作符 rtruediv）。
Series.rtruediv(other[, level, fill_value, axis])	返回其他系列和系列相除的结果，逐元素操作（二元操作符 rtruediv）。
Series.rfloordiv(other[, level, fill_value, …])	返回其他系列和系列整除的结果，逐元素操作（二元操作符 rfloordiv）。
Series.rmod(other[, level, fill_value, axis])	返回其他系列和系列取模的结果，逐元素操作（二元操作符 rmod）。
Series.rpow(other[, level, fill_value, axis])	返回其他系列和系列幂次方的结果，逐元素操作（二元操作符 rpow）。
Series.combine(other, func[, fill_value])	根据func将Series与Series或标量组合。
Series.combine_first(other)	使用“other”中相同位置的值更新空元素。
Series.round([decimals])	将Series中的每个值四舍五入到给定的小数位数。
Series.lt(other[, level, fill_value, axis])	返回系列和其他系列的逐元素小于比较结果（二元操作符 lt）。
Series.gt(other[, level, fill_value, axis])	返回系列和其他系列的逐元素大于比较结果（二元操作符 gt）。
Series.le(other[, level, fill_value, axis])	返回系列和其他系列的逐元素小于等于比较结果（二元操作符 le）。
Series.ge(other[, level, fill_value, axis])	返回系列和其他系列的逐元素大于等于比较结果（二元操作符 ge）。
Series.ne(other[, level, fill_value, axis])	返回系列和其他系列的逐元素不等于比较结果（二元操作符 ne）。
Series.eq(other[, level, fill_value, axis])	返回系列和其他系列的逐元素等于比较结果（二元操作符 eq）。
Series.product([axis, skipna, numeric_only, …])	返回请求轴上值的乘积。
Series.dot(other)	计算Series与其他列之间的点积。

函数应用，GroupBy和窗口

方法名	描述
Series.apply(func[, convert_dtype, args, by_row])	对Series的值应用函数。
Series.agg([func, axis])	使用一个或多个操作在指定的轴上进行聚合。
Series.aggregate([func, axis])	使用一个或多个操作在指定的轴上进行聚合。
Series.transform(func[, axis])	在自身上调用func，生成与self具有相同轴形状的Series。
Series.map(arg[, na_action])	根据输入映射或函数对Series的值进行映射。
Series.groupby([by, axis, level, as_index, …])	使用映射器或一系列列进行分组。
Series.rolling(window[, min_periods, …])	提供滚动窗口计算。
Series.expanding([min_periods, axis, method])	提供扩展窗口计算。
Series.ewm([com, span, halflife, alpha, …])	提供指数加权（EW）计算。
Series.pipe(func, *args, **kwargs)	应用期望Series或DataFrames的可链式函数。

计算/描述性统计

方法名	描述
Series.abs()	返回每个元素的绝对值的Series/DataFrame。
Series.all([axis, bool_only, skipna])	返回所有元素是否都为True，可能沿轴进行计算。
Series.any(*[, axis, bool_only, skipna])	返回任何一个元素是否为True，可能沿轴进行计算。
Series.autocorr([lag])	计算滞后N的自相关性。
Series.between(left, right[, inclusive])	返回等价于left <= series <= right的布尔Series。
Series.clip([lower, upper, axis, inplace])	在输入阈值处修剪值。
Series.corr(other[, method, min_periods])	计算与其他Series的相关性，排除缺失值。
Series.count()	返回Series中非NA/null观测值的数量。
Series.cov(other[, min_periods, ddof])	计算与Series的协方差，排除缺失值。
Series.cummax([axis, skipna])	返回沿DataFrame或Series轴的累积最大值。
Series.cummin([axis, skipna])	返回沿DataFrame或Series轴的累积最小值。
Series.cumprod([axis, skipna])	返回沿DataFrame或Series轴的累积乘积。
Series.cumsum([axis, skipna])	返回沿DataFrame或Series轴的累积和。
Series.describe([percentiles, include, exclude])	生成描述性统计信息。
Series.diff([periods])	计算元素的第一差分。
Series.factorize([sort, use_na_sentinel])	将对象编码为枚举类型或分类变量。
Series.kurt([axis, skipna, numeric_only])	计算请求轴上的无偏峰度。
Series.max([axis, skipna, numeric_only])	返回请求轴上的最大值。
Series.mean([axis, skipna, numeric_only])	返回请求轴上的平均值。
Series.median([axis, skipna, numeric_only])	返回请求轴上的中位数。
Series.min([axis, skipna, numeric_only])	返回请求轴上的最小值。
Series.mode([dropna])	返回Series的众数。
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, …])	当前元素与前一个元素之间的百分比变化。
Series.prod([axis, skipna, numeric_only, …])	返回请求轴上的值的乘积。
Series.quantile([q, interpolation])	返回给定分位数处的值。
Series.rank([axis, method, numeric_only, …])	在轴上计算数值数据的排名（1到n）。
Series.sem([axis, skipna, ddof, numeric_only])	返回请求轴上的无偏标准误差。
Series.skew([axis, skipna, numeric_only])	返回请求轴上的无偏偏斜度。
Series.std([axis, skipna, ddof, numeric_only])	返回请求轴上的样本标准差。
Series.sum([axis, skipna, numeric_only, …])	返回请求轴上的值的总和。
Series.var([axis, skipna, ddof, numeric_only])	返回请求轴上的无偏方差。
Series.kurtosis([axis, skipna, numeric_only])	计算请求轴上的无偏峰度。
Series.unique()	返回Series对象的唯一值。
Series.nunique([dropna])	返回对象中的唯一元素数量。
Series.is_unique	如果对象中的值是唯一的，则返回布尔值。
Series.is_monotonic_increasing	如果对象中的值是单调递增的，则返回布尔值。
Series.is_monotonic_decreasing	如果对象中的值是单调递减的，则返回布尔值。
Series.value_counts([normalize, sort, …])	返回包含唯一值计数的Series。

重新索引/选择/标签操作

方法名	描述
Series.align(other[, join, axis, level, …])	使用指定的连接方法在它们的轴上对两个对象进行对齐。
Series.drop([labels, axis, index, columns, …])	返回删除指定索引标签的Series。
Series.droplevel(level[, axis])	返回删除请求的索引/列级别的Series / DataFrame。
Series.drop_duplicates(*[, keep, inplace, …])	返回删除重复值的Series。
Series.duplicated([keep])	指示Series中是否存在重复的值。
Series.equals(other)	测试两个对象是否包含相同的元素。
Series.first(offset)	根据日期偏移量选择时间序列数据的初始时期。
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Series中的元素是否包含在values中。
Series.last(offset)	根据日期偏移量选择时间序列数据的最后时期。
Series.reindex([index, axis, method, copy, …])	将Series调整为具有新索引，可选填充逻辑。
Series.reindex_like(other[, method, copy, …])	返回与另一个对象具有相匹配索引的对象。
Series.rename([index, axis, copy, inplace, …])	更改Series的索引标签或名称。
Series.rename_axis([mapper, index, axis, …])	设置索引或列的轴的名称。
Series.reset_index([level, drop, name, …])	生成具有重置索引的新DataFrame或Series。
Series.sample([n, frac, replace, weights, …])	从对象的轴中返回随机样本项。
Series.set_axis(labels, *[, axis, copy])	将所需的索引分配给给定的轴。
Series.take(indices[, axis])	沿着轴返回给定位置索引处的元素。
Series.tail([n])	返回最后n行。
Series.truncate([before, after, axis, copy])	在某个索引值之前和之后截断Series或DataFrame。
Series.where(cond[, other, inplace, axis, level])	替换条件为False的值。
Series.mask(cond[, other, inplace, axis, level])	替换条件为True的值。
Series.add_prefix(prefix[, axis])	使用字符串前缀添加标签。
Series.add_suffix(suffix[, axis])	使用字符串后缀添加标签。
Series.filter([items, like, regex, axis])	根据指定的索引标签对数据帧的行或列进行子集操作。

缺失数据处理

方法名	描述
Series.backfill(*[, axis, inplace, limit, …])	（已弃用）使用下一个有效观测值填充NA/NaN值。
Series.bfill(*[, axis, inplace, limit, downcast])	使用下一个有效观测值填充NA/NaN值。
Series.dropna(*[, axis, inplace, how, …])	返回删除缺失值的新Series。
Series.ffill(*[, axis, inplace, limit, downcast])	将上一个有效观测值传播到下一个有效观测值以填充NA/NaN值。
Series.fillna([value, method, axis, …])	使用指定的方法填充NA/NaN值。
Series.interpolate([method, axis, limit, …])	使用插值方法填充NaN值。
Series.isna()	检测缺失值。
Series.isnull()	Series.isnull是Series.isna的别名。
Series.notna()	检测存在（非缺失）的值。
Series.notnull()	Series.notnull是Series.notna的别名。
Series.pad(*[, axis, inplace, limit, downcast])	（已弃用）通过将上一个有效观测值传播到下一个有效观测值来填充NA/NaN值。
Series.replace([to_replace, value, inplace, …])	用给定值替换to_replace中的值。

重塑、排序

方法名	描述
Series.argsort([axis, kind, order])	返回按Series值排序的整数索引。
Series.argmin([axis, skipna])	返回Series中最小值的位置。
Series.argmax([axis, skipna])	返回Series中最大值的位置。
Series.reorder_levels(order)	使用指定的顺序重新排列索引级别。
Series.sort_values(*[, axis, ascending, …])	按值排序。
Series.sort_index(*[, axis, level, …])	按索引标签排序Series。
Series.swaplevel([i, j, copy])	在MultiIndex中交换级别i和j。
Series.unstack([level, fill_value, sort])	将具有MultiIndex的Series展开为DataFrame。
Series.explode([ignore_index])	将列表类型的每个元素转换为行。
Series.searchsorted(value[, side, sorter])	查找应插入元素以保持顺序的索引位置。
Series.ravel([order])	将底层数据扁平化为ndarray或ExtensionArray。
Series.repeat(repeats[, axis])	重复Series的元素。
Series.squeeze([axis])	将1维轴对象挤压成标量。
Series.view([dtype])	创建Series的新视图。

合并/比较/连接/合并

方法名	描述
Series.compare(other[, align_axis, …])	将Series与另一个Series进行比较并显示差异。
Series.update(other)	使用传递的Series值修改原始Series。

时间序列相关

方法名	描述
Series.asfreq(freq[, method, how, …])	将时间序列转换为指定的频率。
Series.asof(where[, subset])	在where之前返回最后一行（没有NaN）的数据。
Series.shift([periods, freq, axis, …])	使用指定的周期数将索引向前或向后移动，可选使用时间频率。
Series.first_valid_index()	返回第一个非NA值的索引，如果找不到非NA值，则返回None。
Series.last_valid_index()	返回最后一个非NA值的索引，如果找不到非NA值，则返回None。
Series.resample(rule[, axis, closed, …])	重新采样时间序列数据。
Series.tz_convert(tz[, axis, level, copy])	将具有时区信息的轴转换为目标时区。
Series.tz_localize(tz[, axis, level, copy, …])	将tz-naive索引的Series或DataFrame本地化到目标时区。
Series.at_time(time[, asof, axis])	选择特定时间的值（例如：9:30AM）。
Series.between_time(start_time, end_time[, …])	选择某个时间范围内的值（例如：9:00-9:30 AM）。

访问器

pandas提供了特定于数据类型的方法，可以通过访问器进行访问。这些是在Series中仅适用于特定数据类型的单独命名空间。

数据类型	访问器
Datetime, Timedelta, Period	dt
String	str
Categorical	cat
Sparse	sparse

日期时间属性

Series.dt可用于访问系列的值作为日期时间，并返回多个属性。可以像Series.dt.这样访问这些属性。

日期时间属性	描述
Series.dt.date	返回python datetime.date对象的numpy数组。
Series.dt.time	返回datetime.time对象的numpy数组。
Series.dt.timetz	返回带时区的datetime.time对象的numpy数组。
Series.dt.year	日期的年份。
Series.dt.month	月份（1月=1，12月=12）。
Series.dt.day	日期的日。
Series.dt.hour	日期的小时。
Series.dt.minute	日期的分钟。
Series.dt.second	日期的秒。
Series.dt.microsecond	日期的微秒。
Series.dt.nanosecond	日期的纳秒。
Series.dt.dayofweek	星期几（星期一=0，星期天=6）。
Series.dt.day_of_week	星期几（星期一=0，星期天=6）。
Series.dt.weekday	星期几（星期一=0，星期天=6）。
Series.dt.dayofyear	一年中的第几天。
Series.dt.day_of_year	一年中的第几天。
Series.dt.days_in_month	一个月中的天数。
Series.dt.quarter	季度。
Series.dt.is_month_start	指示日期是否为月的第一天。
Series.dt.is_month_end	指示日期是否为月的最后一天。
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	指示日期是否为年的第一天。
Series.dt.is_year_end	指示日期是否为年的最后一天。
Series.dt.is_leap_year	指示日期是否属于闰年。
Series.dt.daysinmonth	一个月中的天数。
Series.dt.days_in_month	一个月中的天数。
Series.dt.tz	返回时区。
Series.dt.freq	返回此PeriodArray的频率对象。
Series.dt.unit	返回单位。

时间增量属性

Series.dt可用于访问系列的值作为时间增量，并返回多个属性。可以像Series.dt.这样访问这些属性。

时间增量属性	描述
Series.dt.qyear	季度的年份。
Series.dt.start_time	获取周期的开始时间戳。
Series.dt.end_time	获取周期的结束时间戳。

时间增量属性

Series.dt可用于访问系列的值作为时间增量，并返回多个属性。可以像Series.dt.这样访问这些属性。

时间增量属性	描述
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Timedeltas的组件的DataFrame。
Series.dt.unit	单位。

字符串处理

Series.str可用于将系列的值作为字符串访问并应用多个方法。可以像Series.str.<function/property>这样访问这些方法。

字符串处理方法	描述
Series.str.capitalize()	将Series/Index中的字符串转换为首字母大写。
Series.str.casefold()	将Series/Index中的字符串转换为小写形式。
Series.str.cat([others, sep, na_rep, join])	使用给定的分隔符连接Series/Index中的字符串。
Series.str.center(width[, fillchar])	在Series/Index中的字符串两侧填充字符。
Series.str.contains(pat[, case, flags, na, …])	测试每个字符串是否包含模式或正则表达式。
Series.str.count(pat[, flags])	计算每个字符串中模式出现的次数。
Series.str.decode(encoding[, errors])	使用指定的编码对Series/Index中的字符字符串进行解码。
Series.str.encode(encoding[, errors])	使用指定的编码对Series/Index中的字符字符串进行编码。
Series.str.endswith(pat[, na])	测试每个字符串元素的末尾是否与模式匹配。
Series.str.extract(pat[, flags, expand])	提取在正则表达式模式中捕获的列作为DataFrame。
Series.str.extractall(pat[, flags])	将正则表达式模式中捕获的列提取为DataFrame。
Series.str.find(sub[, start, end])	返回Series/Index中每个字符串的最低索引。
Series.str.findall(pat[, flags])	在Series/Index中查找模式或正则表达式的所有出现。
Series.str.fullmatch(pat[, case, flags, na])	确定每个字符串是否完全与正则表达式匹配。
Series.str.get(i)	提取指定位置或键的组件中的元素。
Series.str.index(sub[, start, end])	返回Series/Index中每个字符串的最低索引。
Series.str.join(sep)	使用传递的分隔符连接Series/Index中的字符串。
Series.str.len()	计算Series/Index中每个元素的长度。
Series.str.ljust(width[, fillchar])	将Series/Index中的字符串左对齐并填充字符。
Series.str.lower()	将Series/Index中的字符串转换为小写形式。
Series.str.lstrip([to_strip])	删除Series/Index中字符串的前导字符。
Series.str.match(pat[, case, flags, na])	确定每个字符串是否以正则表达式匹配。
Series.str.normalize(form)	返回Series/Index中字符串的Unicode规范形式。
Series.str.pad(width[, side, fillchar])	将Series/Index中的字符串填充到指定宽度。
Series.str.partition([sep, expand])	将字符串在第一次出现的分隔符处拆分为三个部分。
Series.str.removeprefix(prefix)	从对象系列中删除前缀。
Series.str.removesuffix(suffix)	从对象系列中删除后缀。
Series.str.repeat(repeats)	在Series或Index中重复每个字符串。
Series.str.replace(pat, repl[, n, case, …])	用给定的值替换Series/Index中的模式/正则表达式的每个出现。
Series.str.rfind(sub[, start, end])	返回Series/Index中每个字符串的最高索引。
Series.str.rindex(sub[, start, end])	返回Series/Index中每个字符串的最高索引。
Series.str.rjust(width[, fillchar])	将Series/Index中的字符串右对齐并填充字符。
Series.str.rpartition([sep, expand])	将字符串在最后一次出现的分隔符处拆分为三个部分。
Series.str.rstrip([to_strip])	删除Series/Index中字符串的尾随字符。
Series.str.slice([start, stop, step])	从Series或Index中的每个元素中切片子字符串。
Series.str.slice_replace([start, stop, repl])	使用另一个值替换字符串的位置切片。
Series.str.split([pat, n, expand, regex])	围绕给定的分隔符/定界符拆分字符串。
Series.str.rsplit([pat, n, expand])	围绕给定的分隔符/定界符拆分字符串。
Series.str.startswith(pat[, na])	测试每个字符串元素的开头是否与模式匹配。
Series.str.strip([to_strip])	删除Series/Index中字符串的前导和尾随字符。
Series.str.swapcase()	将Series/Index中的字符串大小写互换。
Series.str.title()	将Series/Index中的字符串转换为标题形式。
Series.str.translate(table)	通过给定的映射表将字符串中的所有字符映射到新的值。
Series.str.upper()	将Series/Index中的字符串转换为大写形式。
Series.str.wrap(width, **kwargs)	将Series/Index中的字符串包装到指定的行宽。
Series.str.zfill(width)	在Series/Index中的字符串左侧填充’0’字符。

分类访问器

分类数据类型特定的方法和属性可在Series.cat访问器下使用。

分类访问器	描述
Series.cat.categories	分类的类别。
Series.cat.ordered	类别是否具有排序关系。
Series.cat.codes	返回代码和索引的Series。

稀疏访问器

Sparse访问器提供了针对Sparse-dtype的特定方法和属性。

属性名	说明
Series.sparse.npoints	非填充值点的数量
Series.sparse.density	非填充值点的百分比（小数形式）
Series.sparse.fill_value	数据中的填充值不会被存储
Series.sparse.sp_values	包含非填充值的ndarray
Series.sparse.from_coo	从scipy.sparse.coo_matrix创建具有稀疏值的Series
Series.sparse.to_coo	从具有MultiIndex的Series创建一个scipy.sparse.coo_matrix

绘图方法

方法名	说明
Series.plot	为特定绘图方法的可调用方法和命名空间属性，形式为Series.plot.
Series.plot.area	绘制堆叠面积图
Series.plot.bar	绘制垂直条形图
Series.plot.barh	绘制水平条形图
Series.plot.box	绘制DataFrame列的箱线图
Series.plot.density	使用高斯核生成核密度估计图
Series.plot.hist	绘制DataFrame列的直方图
Series.plot.kde	使用高斯核生成核密度估计图
Series.plot.line	将Series或DataFrame绘制为折线图
Series.plot.pie	生成饼图

序列化/输入输出/转换方法

方法名	说明
Series.to_pickle	将对象pickle（序列化）到文件
Series.to_csv	将对象写入逗号分隔值（csv）文件
Series.to_dict	将Series转换为{label -> value}字典或类似字典的对象
Series.to_excel	将对象写入Excel表格
Series.to_frame	将Series转换为DataFrame
Series.to_xarray	从pandas对象返回一个xarray对象
Series.to_hdf	使用HDFStore将数据写入HDF5文件
Series.to_sql	将存储在DataFrame中的记录写入SQL数据库
Series.to_json	将对象转换为JSON字符串
Series.to_string	以字符串形式呈现Series
Series.to_clipboard	将对象复制到系统剪贴板
Series.to_latex	将对象渲染为LaTeX表格
Series.to_markdown	以适合Markdown的格式打印Series

参考链接