系列#

构造函数#

Series([数据, 索引, 数据类型, 名称, 复制])

带有轴标签的一维ndarray（包括时间序列）。

属性#

Axes

Series.index

Series 的索引（轴标签）。

Series.array

支持此 Series 或 Index 的数据的 ExtensionArray。

Series.values

根据dtype返回Series作为ndarray或类似ndarray的对象。

Series.dtype

返回底层数据的 dtype 对象。

Series.shape

返回基础数据形状的元组。

Series.nbytes

返回底层数据中的字节数。

Series.ndim

底层数据维度的数量，定义为1。

Series.size

返回基础数据中的元素数量。

Series.T

返回转置，根据定义这是自身。

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

指示索引是否为空。

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, ...])

返回一个带有更新标志的新对象。

转换#

Series.astype(dtype[, copy, errors])

将一个 pandas 对象转换为指定的数据类型 dtype。

Series.convert_dtypes([infer_objects, ...])

将列从 numpy dtypes 转换为支持 pd.NA 的最佳 dtypes。

Series.infer_objects([copy])

尝试为对象列推断更好的数据类型。

Series.copy([deep])

复制此对象的索引和数据。

Series.to_numpy([dtype, copy, na_value])

表示此 Series 或 Index 中值的 NumPy ndarray。

Series.to_period([freq, copy])

将 Series 从 DatetimeIndex 转换为 PeriodIndex。

Series.to_timestamp([freq, how, copy])

将时间戳转换为时间段的*开始*的 DatetimeIndex。

Series.to_list()

返回一个值的列表。

Series.__array__([dtype, copy])

将值作为 NumPy 数组返回。

索引，迭代#

Series.get(key[, default])

从对象中获取给定键的项（例如：DataFrame 列）。

Series.at

访问行/列标签对的一个单一值。

Series.iat

通过整数位置访问行/列对的单个值。

Series.loc

通过标签或布尔数组访问一组行和列。

Series.iloc

纯基于整数位置的索引，用于按位置选择。

Series.__iter__()

返回值的迭代器。

Series.items()

惰性地迭代（索引，值）元组。

Series.keys()

索引的返回别名。

Series.pop(item)

返回系列中的物品和掉落物。

Series.item()

将底层数据的第一个元素作为 Python 标量返回。

Series.xs(key[, axis, level, drop_level])

从 Series/DataFrame 返回横截面。

有关 .at, .iat, .loc, 和 .iloc 的更多信息，请参阅 索引文档。

二元运算符函数#

Series.add(other[, level, fill_value, axis])

返回序列和其他的逐元素相加（二元运算符 add）。

Series.sub(other[, level, fill_value, axis])

返回序列和其他的元素减法（二元运算符 sub）。

Series.mul(other[, level, fill_value, axis])

返回序列和其他的逐元素乘法（二元运算符 mul）。

Series.div(other[, level, fill_value, axis])

返回序列和其他的浮点数除法，逐元素进行（二元运算符 truediv）。

Series.truediv(other[, level, fill_value, axis])

返回序列和其他的浮点数除法，逐元素进行（二元运算符 truediv）。

Series.floordiv(other[, level, fill_value, axis])

返回序列和其他的整数除法，逐元素进行（二元运算符 floordiv）。

Series.mod(other[, level, fill_value, axis])

返回序列和其他的模数，逐元素操作（二元运算符 mod）。

Series.pow(other[, level, fill_value, axis])

返回序列和其他元素的指数幂（二元运算符 pow）。

Series.radd(other[, level, fill_value, axis])

返回序列和其他的加法，逐元素进行（二元运算符 radd）。

Series.rsub(other[, level, fill_value, axis])

返回序列和其他的元素减法（二元运算符 rsub）。

Series.rmul(other[, level, fill_value, axis])

返回序列和其他的逐元素乘法（二元运算符 rmul）。

Series.rdiv(other[, level, fill_value, axis])

返回序列和其他的浮点数除法，逐元素进行（二元运算符 rtruediv）。

Series.rtruediv(other[, level, fill_value, axis])

返回序列和其他的浮点数除法，逐元素进行（二元运算符 rtruediv）。

Series.rfloordiv(other[, level, fill_value, ...])

返回序列和其他的整数除法，逐元素进行（二元运算符 rfloordiv）。

Series.rmod(other[, level, fill_value, axis])

返回序列和其他的模数，逐元素操作（二元运算符 rmod）。

Series.rpow(other[, level, fill_value, axis])

返回序列和其他元素的指数幂（二元运算符 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位数。

Series.lt(other[, level, fill_value, axis])

Return Greater than of series and other, element-wise (binary operator lt).

Series.gt(other[, level, fill_value, axis])

返回序列和另一个序列的元素级大于比较结果（二元运算符 gt）。

Series.le(other[, level, fill_value, axis])

返回序列和小于或等于的其他元素，逐元素比较（二进制运算符 le）。

Series.ge(other[, level, fill_value, axis])

返回序列和其他元素的“大于等于”比较结果，逐元素进行（二元运算符 ge）。

Series.ne(other[, level, fill_value, axis])

返回序列和其他元素的非等价性，逐元素比较（二元运算符 ne）。

Series.eq(other[, level, fill_value, axis])

返回序列和其他的元素相等性，逐元素比较（二元运算符 eq）。

Series.product(*[, axis, skipna, ...])

返回所请求轴上值的乘积。

Series.dot(other)

计算 Series 和 other 列之间的点积。

函数应用, GroupBy 与 窗口#

Series.apply(func[, args, by_row])

在 Series 的值上调用函数。

Series.agg([func, axis])

在指定轴上使用一个或多个操作进行聚合。

Series.aggregate([func, axis])

在指定轴上使用一个或多个操作进行聚合。

Series.transform(func[, axis])

在自身上调用 func ，生成一个与自身轴形状相同的 Series。

Series.map(arg[, na_action])

根据输入映射或函数映射 Series 的值。

Series.groupby([by, level, as_index, sort, ...])

使用映射器或通过一系列列来分组系列。

Series.rolling(窗口[, 最小周期, ...])

提供滚动窗口计算。

Series.expanding([min_periods, 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 的可链接函数。

计算 / 描述性统计#

Series.abs()

返回一个包含每个元素绝对数值的 Series/DataFrame。

Series.all(*[, axis, bool_only, skipna])

返回是否所有元素都是 True，可能是在某个轴上。

Series.any(*[, axis, bool_only, skipna])

返回是否任何元素为 True，可能超过一个轴。

Series.autocorr([lag])

计算滞后N的自相关。

Series.between(left, right[, inclusive])

返回一个布尔序列，等价于 left <= 序列 <= right。

Series.clip([lower, upper, axis, inplace])

在输入阈值处修剪值。

Series.corr(other[, method, min_periods])

计算与 other 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 DataFrame 或 Series 轴上的累积最大值。

Series.cummin([axis, skipna])

返回 DataFrame 或 Series 轴上的累积最小值。

Series.cumprod([axis, skipna])

返回 DataFrame 或 Series 轴上的累积乘积。

Series.cumsum([axis, skipna])

返回 DataFrame 或 Series 轴上的累积和。

Series.describe([percentiles, include, exclude])

生成描述性统计数据。

Series.diff([periods])

元素的第一个离散差分。

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])

返回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])

返回请求轴上值的平均值。

Series.median(*[, axis, skipna, numeric_only])

返回请求轴上值的中位数。

Series.min(*[, axis, skipna, numeric_only])

返回请求轴上的最小值。

Series.mode([dropna])

返回 Series 的模式。

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, freq])

当前元素与先前元素之间的分数变化。

Series.prod(*[, axis, skipna, numeric_only, ...])

返回所请求轴上值的乘积。

Series.quantile([q, interpolation])

返回给定分位数的值。

Series.rank([axis, method, numeric_only, ...])

沿轴计算数值数据的排名（从1到n）。

Series.sem(*[, axis, skipna, ddof, numeric_only])

返回请求轴上的无偏均值标准误差。

Series.skew(*[, axis, skipna, numeric_only])

返回请求轴上的无偏斜度。

Series.std(*[, axis, skipna, ddof, numeric_only])

返回请求轴上的样本标准偏差。

Series.sum(*[, axis, skipna, numeric_only, ...])

返回所请求轴上值的总和。

Series.var(*[, axis, skipna, ddof, numeric_only])

返回请求轴上的无偏方差。

Series.kurtosis(*[, axis, skipna, numeric_only])

返回请求轴上的无偏峰度。

Series.unique()

返回 Series 对象的唯一值。

Series.nunique([dropna])

返回对象中唯一元素的数量。

Series.is_unique

如果对象中的值是唯一的，则返回 True。

Series.is_monotonic_increasing

如果对象中的值是单调递增的，则返回 True。

Series.is_monotonic_decreasing

如果对象中的值是单调递减的，则返回 True。

Series.value_counts([normalize, sort, ...])

返回一个包含唯一值计数的系列。

重新索引 / 选择 / 标签操作#

Series.align(other[, join, axis, level, ...])

使用指定的连接方法将两个对象沿其轴对齐。

Series.case_when(caselist)

在条件为真时替换值。

Series.drop([labels, axis, index, columns, ...])

返回移除了指定索引标签的系列。

Series.droplevel(level[, axis])

返回删除了请求的索引/列级别的 Series/DataFrame。

Series.drop_duplicates(*[, keep, inplace, ...])

返回删除了重复值的系列。

Series.duplicated([keep])

指示重复的 Series 值。

Series.equals(other)

测试两个对象是否包含相同的元素。

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)

Series 中的元素是否包含在 values 中。

Series.reindex([index, axis, method, copy, ...])

使用可选的填充逻辑将系列调整为新的索引。

Series.reindex_like(other[, method, copy, ...])

返回一个对象，其索引与其他对象匹配。

Series.rename([index, axis, copy, inplace, ...])

修改系列索引标签或名称。

Series.rename_axis([mapper, index, axis, ...])

设置索引的轴名称。

Series.reset_index([level, drop, name, ...])

生成一个新的 DataFrame 或 Series，并重置索引。

Series.sample([n, frac, replace, weights, ...])

从对象的轴返回一个随机样本项。

Series.set_axis(标签, *[, 轴, 复制])

将所需的索引分配给给定的轴。

Series.take(indices[, axis])

返回沿指定轴的给定 位置 索引中的元素。

Series.tail([n])

返回最后 n 行。

Series.truncate([before, after, axis, copy])

截断一个 Series 或 DataFrame 在某个索引值之前和之后。

Series.where(cond[, other, inplace, axis, level])

在条件为假的地方替换值。

Series.mask(cond[, other, inplace, axis, level])

在条件为真时替换值。

Series.add_prefix(prefix[, axis])

使用字符串 prefix 作为标签前缀。

Series.add_suffix(suffix[, axis])

使用字符串 suffix 作为后缀标签。

Series.filter([items, like, regex, axis])

根据指定的索引标签对 DataFrame 或 Series 进行子集化。

缺失数据处理#

Series.bfill(*[, axis, inplace, limit, ...])

使用下一个有效观测值来填充 NA/NaN 值。

Series.dropna(*[, axis, inplace, how, ...])

返回一个删除了缺失值的新系列。

Series.ffill(*[, axis, inplace, limit, ...])

用最后一个有效观测值填充 NA/NaN 值以传播到下一个有效值。

Series.fillna(value, *[, axis, inplace, limit])

用 value 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()

检测现有的（非缺失的）值。

Series.notnull()

Series.notnull 是 Series.notna 的别名。

Series.replace([to_replace, value, inplace, ...])

将 to_replace 中给出的值替换为 value。

重塑，排序#

Series.argsort([axis, kind, order, stable])

返回将排序 Series 值的整数索引。

Series.argmin([axis, skipna])

返回 Series 中最小值的整数位置。

Series.argmax([axis, skipna])

返回 Series 中最大值的整数位置。

Series.reorder_levels(order)

使用输入顺序重新排列索引级别。

Series.sort_values(*[, axis, ascending, ...])

按值排序。

Series.sort_index(*[, axis, level, ...])

按索引标签排序系列。

Series.swaplevel([i, j, copy])

在 MultiIndex 中交换层级 i 和 j。

Series.unstack([level, fill_value, sort])

取消堆叠，也称为透视，具有多索引的系列以生成数据框。

Series.explode([ignore_index])

将类似列表的每个元素转换为一行。

Series.searchsorted(value[, side, sorter])

查找元素应插入以保持顺序的索引。

Series.repeat(repeats[, axis])

重复一个序列的元素。

Series.squeeze([axis])

将一维轴对象压缩成标量。

结合 / 比较 / 连接 / 合并#

Series.compare(other[, align_axis, ...])

与另一个系列进行比较并显示差异。

Series.update(other)

使用传递的 Series 中的值就地修改 Series。

访问器#

pandas 在各种访问器下提供了特定数据类型的方法。这些是 Series 中的独立命名空间，仅适用于特定的数据类型。

Series.str

StringMethods 的别名

Series.cat

CategoricalAccessor 的别名

Series.dt

CombinedDatetimelikeProperties 的别名

Series.sparse

SparseAccessor 的别名

DataFrame.sparse

SparseFrameAccessor 的别名

Index.str

StringMethods 的别名

数据类型

访问器

Datetime, Timedelta, Period

dt

字符串

字符串

Categorical

猫

Sparse

稀疏

Datetimelike 属性#

Series.dt 可以用来访问序列的值作为类日期时间，并返回多个属性。这些属性可以像 Series.dt.<property> 这样访问。

日期时间属性#

Series.dt.date

返回包含 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

返回包含时区的 datetime.time 对象的 numpy 数组。

Series.dt.year

datetime 的年份

Series.dt.month

月份如 January=1, December=12。

Series.dt.day

datetime 的日期

Series.dt.hour

datetime 的小时数

Series.dt.minute

datetime 的分钟数

Series.dt.second

datetime 的秒数。

Series.dt.微秒

datetime 的微秒

Series.dt.nanosecond

datetime 的纳秒

Series.dt.dayofweek

一周中的某一天，星期一=0，星期日=6。

Series.dt.day_of_week

一周中的某一天，星期一=0，星期日=6。

Series.dt.weekday

一周中的某一天，星期一=0，星期日=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

该月份的天数。

Series.dt.quarter

日期的四分之一。

Series.dt.is_month_start

指示日期是否为月份的第一天。

Series.dt.is_month_end

指示日期是否是该月的最后一天。

Series.dt.is_quarter_start

指示日期是否为季度第一天。

Series.dt.is_quarter_end

指示日期是否为季度最后一天的指标。

Series.dt.is_year_start

指示日期是否为一年的第一天。

Series.dt.is_year_end

指示日期是否为一年的最后一天。

Series.dt.is_leap_year

布尔指示器，指示日期是否属于闰年。

Series.dt.daysinmonth

该月份的天数。

Series.dt.days_in_month

该月份的天数。

Series.dt.tz

返回时区。

Series.dt.freq

返回此 PeriodArray 的频率对象。

Series.dt.unit

Datetime 方法#

Series.dt.isocalendar()

根据 ISO 8601 标准计算年、周和日。

Series.dt.to_period(*args, **kwargs)

在特定频率下转换为 PeriodArray/PeriodIndex。

Series.dt.to_pydatetime()

返回数据作为 datetime.datetime 对象的系列。

Series.dt.tz_localize(*args, **kwargs)

将 tz-naive 的 Datetime 数组/索引本地化为 tz-aware 的 Datetime 数组/索引。

Series.dt.tz_转换(*args, **kwargs)

将时区感知的时间数组/索引从一个时区转换为另一个时区。

Series.dt.normalize(*args, **kwargs)

将时间转换为午夜。

Series.dt.strftime(*args, **kwargs)

使用指定的 date_format 转换为索引。

Series.dt.round(*args, **kwargs)

对数据执行四舍五入操作到指定的 freq。

Series.dt.floor(*args, **kwargs)

对数据执行向下取整操作到指定的 freq。

Series.dt.ceil(*args, **kwargs)

对数据执行 ceil 操作到指定的 freq。

Series.dt.month_name(*args, **kwargs)

返回指定区域设置的月份名称。

Series.dt.day_name(*args, **kwargs)

返回指定区域设置的星期名称。

Series.dt.as_unit(*args, **kwargs)

转换为具有给定单位分辨率的 dtype。

周期属性#

Series.dt.qyear

Series.dt.start_time

获取周期的开始时间戳。

Series.dt.end_time

获取周期结束的时间戳。

Timedelta 属性#

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.微秒

每个元素的微秒数（>= 0 且小于 1 秒）。

Series.dt.纳秒

每个元素的纳秒数（>= 0 且小于 1 微秒）。

Series.dt.components

返回一个包含 Timedeltas 组件的 Dataframe。

Series.dt.unit

Timedelta 方法#

Series.dt.to_pytimedelta()

返回一个包含原生 datetime.timedelta 对象的数组。

Series.dt.total_seconds(*args, **kwargs)

返回每个元素的总持续时间，以秒为单位表示。

Series.dt.as_unit(*args, **kwargs)

转换为具有给定单位分辨率的 dtype。

字符串处理#

Series.str 可以用来访问序列的值作为字符串并对其应用多种方法。这些方法可以通过 Series.str.<函数/属性> 访问。

Series.str.capitalize()

将 Series/Index 中的字符串转换为大写。

Series.str.casefold()

将 Series/Index 中的字符串转换为不区分大小写。

Series.str.cat([others, sep, na_rep, join])

在 Series/Index 中使用给定的分隔符连接字符串。

Series.str.center(width[, fillchar])

在 Series/Index 中的字符串左右两侧填充。

Series.str.contains(pat[, case, flags, na, ...])

测试模式或正则表达式是否包含在 Series 或 Index 的字符串中。

Series.str.count(pat[, flags])

计算 Series/Index 中每个字符串中模式的出现次数。

Series.str.decode(编码[, 错误])

在 Series/Index 中使用指定的编码解码字符串。

Series.str.encode(encoding[, errors])

使用指定的编码对 Series/Index 中的字符串进行编码。

Series.str.endswith(pat[, na])

测试每个字符串元素的末尾是否匹配某个模式。

Series.str.extract(pat[, flags, expand])

在 DataFrame 中提取正则表达式 pat 中的捕获组作为列。

Series.str.extractall(pat[, flags])

在 DataFrame 中提取正则表达式 pat 中的捕获组作为列。

Series.str.find(sub[, start, end])

返回 Series/Index 中每个字符串中的最低索引。

Series.str.findall(pat[, flags])

查找 Series/Index 中所有匹配模式或正则表达式的出现。

Series.str.fullmatch(pat[, case, flags, na])

确定每个字符串是否完全匹配正则表达式。

Series.str.get(i)

从指定位置或使用指定键提取每个组件中的元素。

Series.str.index(sub[, start, end])

返回 Series/Index 中每个字符串中的最低索引。

Series.str.join(sep)

使用传递的分隔符连接作为 Series/Index 元素的列表。

Series.str.len()

计算 Series/Index 中每个元素的长度。

Series.str.ljust(宽度[, 填充字符])

在 Series/Index 中右对齐字符串。

Series.str.lower()

将 Series/Index 中的字符串转换为小写。

Series.str.lstrip([to_strip])

移除前导字符。

Series.str.match(pat[, case, flags, na])

确定每个字符串是否以正则表达式的匹配项开头。

Series.str.normalize(form)

返回 Series/Index 中字符串的 Unicode 正规形式。

Series.str.pad(宽度[, 方向, 填充字符])

将 Series/Index 中的字符串填充到指定宽度。

Series.str.partition([sep, expand])

在 sep 的第一次出现处拆分字符串。

Series.str.removeprefix(prefix)

从对象系列中移除前缀。

Series.str.removesuffix(suffix)

从对象系列中移除后缀。

Series.str.repeat(重复)

在 Series 或 Index 中重复每个字符串。

Series.str.replace(pat[, repl, n, case, ...])

替换 Series/Index 中每个 pattern/regex 的出现。

Series.str.rfind(sub[, start, end])

返回 Series/Index 中每个字符串中的最高索引。

Series.str.rindex(sub[, start, end])

返回 Series/Index 中每个字符串中的最高索引。

Series.str.rjust(width[, fillchar])

在 Series/Index 中的字符串左侧填充。

Series.str.rpartition([sep, expand])

在 sep 的最后一次出现处拆分字符串。

Series.str.rstrip([to_strip])

移除尾随字符。

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])

用另一个值替换字符串的位置切片。

Series.str.split([pat, n, expand, regex])

根据给定的分隔符/定界符拆分字符串。

Series.str.rsplit([pat, n, expand])

根据给定的分隔符/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匹配一个模式。

Series.str.strip([to_strip])

删除前导和尾随字符。

Series.str.swapcase()

将 Series/Index 中的字符串转换为交换大小写。

Series.str.title()

将 Series/Index 中的字符串转换为标题大小写。

Series.str.translate(table)

通过给定的映射表映射字符串中的所有字符。

Series.str.upper()

将 Series/Index 中的字符串转换为大写。

Series.str.wrap(宽度[, 展开制表符, ...])

在指定的行宽处包裹 Series/Index 中的字符串。

Series.str.zfill(width)

在 Series/Index 中的字符串前添加 '0' 字符进行填充。

Series.str.isalnum()

检查每个字符串中的所有字符是否都是字母数字。

Series.str.isalpha()

检查每个字符串中的所有字符是否都是字母。

Series.str.isdigit()

检查每个字符串中的所有字符是否都是数字。

Series.str.isspace()

检查每个字符串中的所有字符是否都是空白。

Series.str.islower()

检查每个字符串中的所有字符是否都是小写。

Series.str.isupper()

检查每个字符串中的所有字符是否均为大写。

Series.str.istitle()

检查每个字符串中的所有字符是否为标题大小写。

Series.str.isnumeric()

检查每个字符串中的所有字符是否都是数字。

Series.str.isdecimal()

检查每个字符串中的所有字符是否都是十进制的。

Series.str.get_dummies([sep])

返回 Series 的虚拟/指示变量的 DataFrame。

Categorical 访问器#

在 Series.cat 访问器下提供了特定于类别数据类型的方法和属性。

Series.cat.categories

这个分类的类别。

Series.cat.ordered

类别是否具有有序关系。

Series.cat.codes

返回代码序列以及索引。

Series.cat.rename_categories(*args, **kwargs)

重命名类别。

Series.cat.reorder_categories(*args, **kwargs)

按照 new_categories 中的指定重新排序类别。

Series.cat.add_categories(*args, **kwargs)

添加新类别。

Series.cat.remove_categories(*args, **kwargs)

移除指定的类别。

Series.cat.remove_unused_categories(*args, ...)

移除未使用的分类。

Series.cat.set_categories(*args, **kwargs)

将类别设置为指定的新类别。

Series.cat.as_ordered(*args, **kwargs)

设置分类变量为有序。

Series.cat.as_unordered(*args, **kwargs)

将分类设置为无序。

稀疏访问器#

在 Series.sparse 访问器下提供了稀疏数据类型特定的方法和属性。

Series.sparse.npoints

非 fill_value 点的数量。

Series.sparse.density

非 fill_value 点的百分比，以小数表示。

Series.sparse.fill_value

在 data 中，fill_value 的元素不会被存储。

Series.sparse.sp_values

包含非 fill_value 值的 ndarray。

Series.sparse.from_coo(A[, dense_index])

从 scipy.sparse.coo_matrix 创建一个带有稀疏值的 Series。

Series.sparse.to_coo([row_levels, ...])

从具有 MultiIndex 的 Series 创建一个 scipy.sparse.coo_matrix。

列表访问器#

箭头列表-dtype 特定方法和属性在 Series.list 访问器下提供。

Series.list.flatten()

展平列表值。

Series.list.len()

返回 Series 中每个列表的长度。

Series.list.__getitem__(key)

在 Series 中索引或切片列表。

结构访问器#

Arrow 结构体数据类型特定的方法和属性在 Series.struct 访问器下提供。

Series.struct.dtypes

返回结构中每个子字段的dtype对象。

Series.struct.field(name_or_index)

提取结构体的一个子字段作为 Series。

Series.struct.explode()

将结构体的所有子字段提取为 DataFrame。

标志#

标志指的是 pandas 对象的属性。数据集的属性（如记录日期、访问来源的 URL 等）应存储在 Series.attrs 中。

标志(obj, *, allows_duplicate_labels)

适用于 pandas 对象的标志。

元数据#

Series.attrs 是一个用于存储此 Series 的全局元数据的字典。

警告

Series.attrs 被认为是实验性的，可能会在没有警告的情况下发生变化。

Series.attrs

此数据集的全局属性字典。

绘图#

Series.plot 既是一个可调用的方法，也是一个特定绘图方法的命名空间属性，形式为 Series.plot.<kind>。

Series.plot([kind, ax, figsize, ....])

系列绘图访问器和方法

Series.plot.area([x, y, stacked])

绘制堆积面积图。

Series.plot.bar([x, y, color])

垂直条形图。

Series.plot.barh([x, y, color])

制作一个水平条形图。

Series.plot.box([by])

绘制 DataFrame 列的箱形图。

Series.plot.density([bw_method, ind, weights])

使用高斯核生成核密度估计图。

Series.plot.hist([by, bins])

绘制DataFrame列的一个直方图。

Series.plot.kde([bw_method, ind, weights])

使用高斯核生成核密度估计图。

Series.plot.line([x, y, color])

将 Series 或 DataFrame 绘制为线条。

Series.plot.pie([y])

生成一个饼图。

Series.hist([by, ax, grid, xlabelsize, ...])

使用 matplotlib 绘制输入序列的直方图。

序列化 / IO / 转换#

Series.to_pickle(path, *[, compression, ...])

将对象（序列化）保存到文件中。

Series.to_csv([path_or_buf, sep, na_rep, ...])

将对象写入逗号分隔值（csv）文件。

Series.to_dict(*[, into])

将 Series 转换为 {label -> value} 字典或类似字典的对象。

Series.to_excel(excel_writer, *[, ...])

将对象写入 Excel 表格。

Series.to_frame([name])

将系列转换为数据框。

Series.to_xarray()

从 pandas 对象返回一个 xarray 对象。

Series.to_hdf(path_or_buf, *, key[, mode, ...])

使用 HDFStore 将包含的数据写入 HDF5 文件。

Series.to_sql(name, con, *[, schema, ...])

将存储在 DataFrame 中的记录写入 SQL 数据库。

Series.to_json([path_or_buf, orient, ...])

将对象转换为 JSON 字符串。

Series.to_string([buf, na_rep, ...])

渲染 Series 的字符串表示。

Series.to_clipboard(*[, excel, sep])

将对象复制到系统剪贴板。

Series.to_latex([buf, columns, header, ...])

将对象渲染为 LaTeX 表格、长表格或嵌套表格。

Series.to_markdown([buf, mode, index, ...])

以Markdown友好的格式打印系列。