pandas.Series#
- class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)[源代码]#
带有轴标签的一维ndarray(包括时间序列)。
标签不需要是唯一的，但必须是可哈希类型。该对象既支持基于整数的索引，也支持基于标签的索引，并提供了许多用于执行涉及索引的操作的方法。Ndarray的统计方法已被覆盖，以自动排除丢失的数据(当前表示为NaN)。
系列(+、-、/、*, * *)根据相关索引值对齐值--它们的长度不必相同。结果索引将是两个索引的排序并集。
- 参数
- data类数组、可迭代、DICT或标量值
包含存储在系列中的数据。如果数据是字典，则参数顺序保持不变。
- index类似数组或索引(一维)
值必须是可散列的，并且长度必须与 data 。允许使用非唯一索引值。如果未提供，则默认为RangeIndex(0，1，2，...，n)。如果数据类似于字典并且索引为NONE，则数据中的键被用作索引。如果索引不是None，则使用索引值重新索引生成的Series。
- dtype字符串、数字.dtype或ExtensionDtype，可选
输出系列的数据类型。如果未指定，这将从 data 。请参阅 user guide 有更多的用法。
- name字符串，可选
要为该系列指定的名称。
- copy布尔值，默认为False
复制输入数据。仅影响系列或一维ndarray输入。请参见示例。
注意事项
请参考 User Guide 了解更多信息。
示例
从指定了索引的字典构造序列
>>> d = {'a': 1, 'b': 2, 'c': 3} >>> ser = pd.Series(data=d, index=['a', 'b', 'c']) >>> ser a 1 b 2 c 3 dtype: int64
词典的键与索引值匹配，因此索引值不起作用。
>>> d = {'a': 1, 'b': 2, 'c': 3} >>> ser = pd.Series(data=d, index=['x', 'y', 'z']) >>> ser x NaN y NaN z NaN dtype: float64
请注意，索引首先是使用词典中的键构建的。在此之后，使用给定的索引值对系列进行重新索引，因此我们得到了所有NAN。
使用从列表构造级数 copy=False 。
>>> r = [1, 2] >>> ser = pd.Series(r, copy=False) >>> ser.iloc[0] = 999 >>> r [1, 2] >>> ser 0 999 1 2 dtype: int64
由于输入数据类型的原因，该系列具有 copy 原始数据，即使 copy=False ，因此数据保持不变。
用一维阵列构造级数 copy=False 。
>>> r = np.array([1, 2]) >>> ser = pd.Series(r, copy=False) >>> ser.iloc[0] = 999 >>> r array([999, 2]) >>> ser 0 999 1 2 dtype: int64
由于输入数据类型的原因，该系列具有 view 在原始数据上，因此数据也会更改。
属性
返回转置，根据定义，转置是self。
支持此系列或索引的数据的扩展数组。
访问行/列标签对的单个值。
此数据集的全局属性的字典。
返回行轴标签列表。
返回底层数据的dtype对象。
返回底层数据的dtype对象。
获取与此Pandas对象关联的属性。
如果有任何NAN，则返回True。
按整数位置访问行/列对的单个值。
纯粹基于整数位置的索引，用于按位置选择。
系列的索引(轴标签)。
如果对象中的值是单调递增的，则返回布尔值。
如果对象中的值是单调递减的，则返回布尔值。
如果对象中的值是单调递增的，则返回布尔值。
如果对象中的值是唯一的，则返回布尔值。
通过标签或布尔数组访问一组行和列。
返回系列的名称。
返回基础数据中的字节数。
根据定义1，基础数据的维度数。
返回基础数据的形状的元组。
返回基础数据中的元素数。
根据数据类型将系列返回为ndarray或类似ndarray。
empty
方法：
abs\()返回一个具有每个元素的绝对数值的Series/DataFrame。
add\(其他[, level, fill_value, axis] )按元素(二元运算符)返回级数和其他的相加 add )。
add_prefix\(前缀)使用字符串为标签添加前缀 prefix 。
add_suffix\(后缀)使用字符串为标签添加后缀 suffix 。
agg\([func, axis] )使用指定轴上的一个或多个操作进行聚合。
aggregate\([func, axis] )使用指定轴上的一个或多个操作进行聚合。
align\(其他[, join, axis, level, copy, ...] )将两个对象的轴向与指定的联接方法对齐。
all\([axis, bool_only, skipna, level] )返回是否所有元素都为True，可能是在某个轴上。
any\([axis, bool_only, skipna, level] )返回是否有任何元素为True，可能是在轴上。
append\(至_追加[, ignore_index, ...] )(已弃用)串联两个或多个系列。
apply\(函数[, convert_dtype, args] )对系列的值调用函数。
argmax\([axis, skipna] )返回序列中最大值的整型位置。
argmin\([axis, skipna] )返回序列中最小值的int位置。
argsort\([axis, kind, order] )返回对Series值进行排序的整数索引。
asfreq\(频率 [, method, how, normalize, ...] )将时间序列转换为指定频率。
asof\(其中 [, subset] )返回之前没有任何NAN的最后一行 where 。
astype\(dtype[, copy, errors] )将Pandas对象强制转换为指定的dtype
dtype。at_time\(时间[, asof, axis] )选择一天中特定时间(例如上午9：30)的值。
autocorr\([lag] )计算LAG-N自相关。
backfill\([axis, inplace, limit, downcast] )的同义词
DataFrame.fillna()使用method='bfill'。between\(左、右[, inclusive] )返回等同于Left<=Series<=Right的布尔级数。
between_time\(开始_时间，结束_时间 [, ...] )选择一天中特定时间(例如，上午9：00-9：30)之间的值。
bfill\([axis, inplace, limit, downcast] )的同义词
DataFrame.fillna()使用method='bfill'。bool\()返回单个元素Series或DataFrame的布尔值。
:py:class:`pandas.core.arrays.categorical.CategoricalAccessor`的别名
clip\([lower, upper, axis, inplace] )修剪输入阈值上的值。
combine\(其他、函数 [, fill_value] )根据将系列与系列或标量组合在一起 func 。
combine_first\(其他)使用‘Other’中相同位置的值更新空元素。
compare\(其他[, align_axis, keep_shape, ...] )与其他系列进行比较，并显示不同之处。
convert_dtypes\([infer_objects, ...] )使用支持的数据类型将列转换为最佳数据类型
pd.NA。copy\([deep] )复制此对象的索引和数据。
corr\(其他[, method, min_periods] )计算相关性与 other 序列，不包括缺失值。
count\([level] )返回序列中非NA/NULL观测值的数量。
cov\(其他[, min_periods, ddof] )计算系列协方差，不包括缺失值。
cummax\([axis, skipna] )返回DataFrame或Series轴上的累计最大值。
cummin\([axis, skipna] )返回DataFrame或Series轴上的累计最小值。
cumprod\([axis, skipna] )返回DataFrame或Series轴上的累计积。
cumsum\([axis, skipna] )返回DataFrame或Series轴上的累计和。
describe\([percentiles, include, exclude, ...] )生成描述性统计数据。
diff\([periods] )单元的一阶离散差分。
div\(其他[, level, fill_value, axis] )返回按元素(二元运算符)的级数和其他的浮点除法 truediv )。
divide\(其他[, level, fill_value, axis] )返回按元素(二元运算符)的级数和其他的浮点除法 truediv )。
divmod\(其他[, level, fill_value, axis] )返回级数和其他元素的整数除法和模运算(二元运算符 divmod )。
dot\(其他)计算级数和其他列之间的点积。
drop\([labels, axis, index, columns, level, ...] )删除了指定索引标签的返回系列。
drop_duplicates\([keep, inplace] )已删除重复值的返回系列。
droplevel\(级别[, axis] )返回删除了请求的索引/列级别的Series/DataFrame。
dropna\([axis, inplace, how] )返回删除了缺失值的新系列。
duplicated\([keep] )表示重复的系列值。
eq\(其他[, level, fill_value, axis] )按元素(二元运算符)返回级数和其他的等于 eq )。
equals\(其他)测试两个对象是否包含相同的元素。
ewm\([com, span, halflife, alpha, ...] )提供指数加权(EW)计算。
expanding\([min_periods, center, axis, method] )提供扩展窗口计算。
explode\([ignore_index] )将类似列表的每个元素转换为行。
factorize\([sort, na_sentinel] )将对象编码为枚举类型或类别变量。
ffill\([axis, inplace, limit, downcast] )的同义词
DataFrame.fillna()使用method='ffill'。fillna\([value, method, axis, inplace, ...] )使用指定的方法填充NA/NaN值。
filter\([items, like, regex, axis] )根据指定的索引标签子集数据帧的行或列。
first\(偏移)根据日期偏移量选择时间序列数据的初始期间。
返回第一个非NA值的索引，如果没有找到非NA值，则返回NONE。
floordiv\(其他[, level, fill_value, axis] )返回级数和其他元素的整数除法(二元运算符 floordiv )。
ge\(其他[, level, fill_value, axis] )按元素(二元运算符)返回大于或等于级数和其他 ge )。
get\(密钥[, default] )从给定键的对象中获取项(例如：DataFrame列)。
groupby\([by, axis, level, as_index, sort, ...] )使用映射器或按一系列柱对系列进行分组。
gt\(其他[, level, fill_value, axis] )按元素(二元运算符)返回系列和其他的大于 gt )。
head\([n] )返回第一个 n 排好了。
hist\([by, ax, grid, xlabelsize, xrot, ...] )使用matplotlib绘制输入序列的直方图。
idxmax\([axis, skipna] )返回最大值的行标签。
idxmin\([axis, skipna] )返回最小值的行标签。
infer_objects\()尝试为对象列推断更好的数据类型。
info\([verbose, buf, max_cols, memory_usage, ...] )打印一个系列的简明摘要。
interpolate\([method, axis, limit, inplace, ...] )使用插值法填充NaN值。
isin\(值)系列中的元素是否包含在 values 。
isna\()检测缺少的值。
isnull\()Series.isull是Series.isna的别名。
item\()将底层数据的第一个元素作为Python标量返回。
items\()懒惰地迭代(索引、值)元组。
iteritems\()懒惰地迭代(索引、值)元组。
keys\()返回索引的别名。
kurt\([axis, skipna, level, numeric_only] )返回请求的轴上的无偏峰度。
kurtosis\([axis, skipna, level, numeric_only] )返回请求的轴上的无偏峰度。
last\(偏移)根据日期偏移量选择时间序列数据的最终期间。
last_valid_index\()返回最后一个非NA值的索引，如果没有找到非NA值，则返回NONE。
le\(其他[, level, fill_value, axis] )按元素(二元运算符)返回小于或等于的级数和其他 le )。
lt\(其他[, level, fill_value, axis] )按元素(二元运算符)返回小于级数和其他 lt )。
mad\([axis, skipna, level] )(已弃用)返回值在请求的轴上的平均绝对偏差。
map\(参数[, na_action] )根据输入映射或函数映射系列的值。
mask\(条件[, other, inplace, axis, level, ...] )替换条件为True的值。
max\([axis, skipna, level, numeric_only] )返回请求的轴上的最大值。
mean\([axis, skipna, level, numeric_only] )返回请求的轴上的值的平均值。
median\([axis, skipna, level, numeric_only] )返回值在请求的轴上的中位数。
memory_usage\([index, deep] )返回该系列的内存使用情况。
min\([axis, skipna, level, numeric_only] )返回请求的轴上的最小值。
mod\(其他[, level, fill_value, axis] )级数和其他元素的返回模数(二元运算符 mod )。
mode\([dropna] )返回系列的模式。
mul\(其他[, level, fill_value, axis] )级数和其他元素的返回乘法(二元运算符 mul )。
multiply\(其他[, level, fill_value, axis] )级数和其他元素的返回乘法(二元运算符 mul )。
ne\(其他[, level, fill_value, axis] )按元素(二元运算符)返回不等于的级数和其他 ne )。
nlargest\([n, keep] )退回最大的 n 元素。
notna\()检测现有(非缺失)值。
notnull\()Series.notull是Series.notna的别名。
nsmallest\([n, keep] )返回最小的 n 元素。
nunique\([dropna] )返回对象中唯一元素的数量。
pad\([axis, inplace, limit, downcast] )的同义词
DataFrame.fillna()使用method='ffill'。pct_change\([periods, fill_method, limit, freq] )当前元素和前一个元素之间的百分比变化。
应用预期为Series或DataFrame的可链接函数。
:py:class:`pandas.plotting._core.PlotAccessor`的别名
pop\(项目)从系列中退货和退货。
pow\(其他[, level, fill_value, axis] )返回级数和其他元素的指数幂(二元运算符 pow )。
prod\([axis, skipna, level, numeric_only, ...] )返回值在请求的轴上的乘积。
product\([axis, skipna, level, numeric_only, ...] )返回值在请求的轴上的乘积。
quantile\([q, interpolation] )返回给定分位数的值。
radd\(其他[, level, fill_value, axis] )按元素(二元运算符)返回级数和其他的相加 radd )。
rank\([axis, method, numeric_only, ...] )沿轴计算数值数据排名(从1到n)。
ravel\([order] )将拼合的基础数据作为ndarray返回。
rdiv\(其他[, level, fill_value, axis] )返回按元素(二元运算符)的级数和其他的浮点除法 rtruediv )。
rdivmod\(其他[, level, fill_value, axis] )返回级数和其他元素的整数除法和模运算(二元运算符 rdivmod )。
通过可选的填充逻辑使系列符合新的索引。
reindex_like\(其他[, method, copy, limit, ...] )将索引匹配的对象作为其他对象返回。
rename\([index, axis, copy, inplace, level, ...] )更改系列索引标签或名称。
rename_axis\([mapper, index, columns, axis, ...] )设置索引或列的轴的名称。
reorder_levels\(订单)使用输入顺序重新排列索引级别。
repeat\(重复[, axis] )重复系列的元素。
replace\([to_replace, value, inplace, limit, ...] )替换中给出的值 to_replace 使用 value 。
resample\(规则[, axis, closed, label, ...] )重新采样时间序列数据。
reset_index\([level, drop, name, inplace, ...] )在重置索引的情况下生成新的DataFrame或Series。
rfloordiv\(其他[, level, fill_value, axis] )返回级数和其他元素的整数除法(二元运算符 rfloordiv )。
rmod\(其他[, level, fill_value, axis] )级数和其他元素的返回模数(二元运算符 rmod )。
rmul\(其他[, level, fill_value, axis] )级数和其他元素的返回乘法(二元运算符 rmul )。
rolling\(窗口[, min_periods, center, ...] )提供滚动窗口计算。
round\([decimals] )将序列中的每个值四舍五入到给定的小数位数。
rpow\(其他[, level, fill_value, axis] )返回级数和其他元素的指数幂(二元运算符 rpow )。
rsub\(其他[, level, fill_value, axis] )级数和其他元素的返回减法(二元运算符 rsub )。
rtruediv\(其他[, level, fill_value, axis] )返回按元素(二元运算符)的级数和其他的浮点除法 rtruediv )。
sample\([n, frac, replace, weights, ...] )从对象轴返回项目的随机样本。
searchsorted\(值[, side, sorter] )查找应插入元素以维持顺序的索引。
sem\([axis, skipna, level, ddof, numeric_only] )返回请求轴上平均值的无偏标准误差。
set_axis\(标签[, axis, inplace] )将所需的索引指定给给定轴。
set_flags\(*[, copy, allows_duplicate_labels] )返回一个具有更新标志的新对象。
shift\([periods, freq, axis, fill_value] )使用可选时间按所需期间数移位索引 freq 。
skew\([axis, skipna, level, numeric_only] )返回请求的轴上的无偏斜。
slice_shift\([periods, axis] )(已弃用)等同于 shift 而不复制数据。
sort_index\([axis, level, ascending, ...] )按索引标签对系列进行排序。
sort_values\([axis, ascending, inplace, ...] )按值排序。
:py:class:`pandas.core.arrays.sparse.accessor.SparseAccessor`的别名
squeeze\([axis] )将1维轴对象压缩为标量。
std\([axis, skipna, level, ddof, numeric_only] )返回要求轴上的样本标准偏差。
:py:class:`pandas.core.strings.accessor.StringMethods`的别名
sub\(其他[, level, fill_value, axis] )级数和其他元素的返回减法(二元运算符 sub )。
subtract\(其他[, level, fill_value, axis] )级数和其他元素的返回减法(二元运算符 sub )。
sum\([axis, skipna, level, numeric_only, ...] )返回请求的轴上的值的总和。
swapaxes\(axis1、axis2[, copy] )适当地互换轴和交换值轴。
swaplevel\([i, j, copy] )中交换级别i和j。
MultiIndex。tail\([n] )退还最后一张 n 排好了。
take\(索引[, axis, is_copy] )返回给定元素中的元素 位置 沿轴的索引。
to_clipboard\([excel, sep] )将对象复制到系统剪贴板。
to_csv\([path_or_buf, sep, na_rep, ...] )将对象写入逗号分隔值(CSV)文件。
to_dict\([into] )将系列转换为{标签->值}词典或类似词典的对象。
to_excel\(EXCEL_编写器[, sheet_name, na_rep, ...] )将对象写入Excel工作表。
to_frame\([name] )将系列转换为DataFrame。
to_hdf\(路径_或_buf，键[, mode, complevel, ...] )使用HDFStore将包含的数据写入HDF5文件。
to_json\([path_or_buf, orient, date_format, ...] )将对象转换为JSON字符串。
to_latex\([buf, columns, col_space, header, ...] )将对象呈现到LaTeX表格、长表或嵌套表。
to_list\()返回值列表。
to_markdown\([buf, mode, index, storage_options] )以支持降价的格式打印系列。
to_numpy\([dtype, copy, na_value] )表示此系列或索引中的值的NumPy ndarray。
to_period\([freq, copy] )将系列从DatetimeIndex转换为PerodIndex。
to_pickle\(路径[, compression, protocol, ...] )Pickle(序列化)对象到文件。
to_sql\(名称，控制 [, schema, if_exists, ...] )将存储在DataFrame中的记录写入SQL数据库。
to_string\([buf, na_rep, float_format, ...] )呈现序列的字符串表示形式。
to_timestamp\([freq, how, copy] )强制转换为时间戳的DatetimeIndex，位于 起头 属于那个时期。
to_xarray\()从Pandas对象返回一个XARRAY对象。
tolist\()返回值列表。
transform\(函数[, axis] )打电话
func关于自己产生与自己具有相同轴形的级数。返回转置，根据定义，转置是self。
truediv\(其他[, level, fill_value, axis] )返回按元素(二元运算符)的级数和其他的浮点除法 truediv )。
truncate\([before, after, axis, copy] )在某些索引值之前和之后截断Series或DataFrame。
tshift\([periods, freq, axis] )(已弃用)移动时间索引，使用索引的频率(如果可用)。
tz_convert\(TZ[, axis, level, copy] )将TZ感知轴转换为目标时区。
tz_localize\(TZ[, axis, level, copy, ...] )将Series或DataFrame的Tz-naive索引本地化到目标时区。
unique\()返回Series对象的唯一值。
unstack\([level, fill_value] )取消堆叠，也称为Pivot，与多索引串联以生成DataFrame。
update\(其他)使用传递的系列中的值就地修改系列。
value_counts\([normalize, sort, ascending, ...] )返回包含唯一值计数的系列。
var\([axis, skipna, level, ddof, numeric_only] )返回请求的轴上的无偏差。
view\([dtype] )创建系列的新视图。
where\(条件[, other, inplace, axis, level, ...] )替换条件为FALSE的值。
xs\(密钥[, axis, level, drop_level] )从系列/数据帧返回横截面。
dt