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.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
		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

 

转载于:https://www.cnblogs.com/P--K/p/8214873.html