序列#

构造函数#

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

具有轴标签（包括时间序列）的一维 ndarray。

属性#

轴

Series.index

序列的索引（轴标签）。

Series.array

支持此序列或索引的数据的 ExtensionArray。

Series.values

根据 dtype 返回序列作为 ndarray 或类似 ndarray 的对象。

Series.dtype

返回底层数据的 dtype 对象。

Series.shape

返回底层数据的形状元组。

Series.nbytes

返回底层数据的字节数。

Series.ndim

底层数据的维度数，定义为 1。

Series.size

返回底层数据的元素数量。

Series.T

返回转置，定义为自身。

Series.memory_usage([index, deep])

返回序列的内存使用量。

Series.hasnans

如果存在任何 NaN，则返回 True。

Series.empty

指示序列/数据帧是否为空。

Series.dtypes

返回底层数据的 dtype 对象。

Series.name

返回序列的名称。

Series.flags

获取与该 pandas 对象关联的属性。

Series.set_flags(*[, copy, ...])

返回具有更新标志的新对象。

转换#

Series.astype(dtype[, copy, errors])

将 pandas 对象转换为指定的 dtype dtype。

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.bool()

(已弃用) 返回单个元素 Series 或 DataFrame 的布尔值。

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])

转换为 Timestamp 的 DatetimeIndex，位于周期的开始。

Series.to_list()

返回值的列表。

Series.__array__([dtype])

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目（例如：DataFrame 列）。

Series.at

访问行/列标签对的单个值。

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

(已弃用) 纯粹基于整数位置的索引，用于按位置进行选择。

Series.__iter__()

返回值的迭代器。

Series.items()

懒惰地迭代 (索引, 值) 元组。

Series.keys()

返回索引的别名。

Series.pop(item)

返回项目并从系列中删除。

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])

返回系列和 other 的加法，逐元素（二元运算符 add）。

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

返回系列和 other 的减法，逐元素（二元运算符 sub）。

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

返回系列和 other 的乘法，逐元素（二元运算符 mul）。

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

返回系列和 other 的浮点除法，逐元素（二元运算符 truediv）。

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

返回系列和 other 的浮点除法，逐元素（二元运算符 truediv）。

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

返回 Series 和 other 的逐元素整数除法（二元运算符 floordiv）。

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

返回 Series 和 other 的逐元素取模（二元运算符 mod）。

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

返回 Series 和 other 的逐元素指数幂（二元运算符 pow）。

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

返回 Series 和 other 的逐元素加法（二元运算符 radd）。

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

返回 Series 和 other 的逐元素减法（二元运算符 rsub）。

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

返回 Series 和 other 的逐元素乘法（二元运算符 rmul）。

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

返回 Series 和 other 的逐元素浮点数除法（二元运算符 rtruediv）。

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

返回 Series 和 other 的逐元素浮点数除法（二元运算符 rtruediv）。

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

返回 Series 和 other 的逐元素整数除法（二元运算符 rfloordiv）。

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

返回 Series 和 other 的逐元素取模（二元运算符 rmod）。

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

返回级数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 中的每个值舍入到给定的位数。

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

返回级数和其他元素的“小于”（二元运算符 lt）。

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

返回级数和其他元素的“大于”（二元运算符 gt）。

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

返回级数和其他元素的“小于或等于”（二元运算符 le）。

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

返回级数和其他元素的“大于或等于”（二元运算符 ge）。

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

返回级数和其他元素的“不等于”（二元运算符 ne）。

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

返回级数和其他元素的“等于”（二元运算符 eq）。

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

返回请求轴上值的乘积。

Series.dot(other)

计算 Series 与 other 的列之间的点积。

函数应用、GroupBy 和窗口#

Series.apply(func[, convert_dtype, args, by_row])

对 Series 的值调用函数。

Series.agg([func, axis])

使用一个或多个操作对指定轴进行聚合。

Series.aggregate([func, axis])

使用一个或多个操作对指定轴进行聚合。

Series.transform(func[, axis])

对 self 调用 func，生成一个与 self 具有相同轴形状的 Series。

Series.map(arg[, na_action])

根据输入映射或函数映射 Series 的值。

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

使用映射器或列的 Series 对 Series 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 的可链接函数。

计算 / 描述性统计#

Series.abs()

返回一个 Series/DataFrame，其中包含每个元素的绝对数值。

Series.all([axis, bool_only, skipna])

返回所有元素是否为 True，可能跨越轴。

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

返回任何元素是否为 True，可能跨越轴。

Series.autocorr([lag])

计算滞后 N 自相关。

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

返回等效于 left <= series <= right 的布尔型 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 other Series 的相关性，排除缺失值。

Series.count()

返回 Series 中非 NA/空观察值的个数。

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])

生成描述性统计信息。

Series.diff([periods])

元素的一阶离散差分。

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])

返回所请求轴上的无偏峰度。

Series.max([axis, skipna, numeric_only])

返回所请求轴上值的最大值。

Series.mean([axis, skipna, numeric_only])

返回所请求轴上值的平均值。

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

返回所请求轴上值的中间值。

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

返回所请求轴上值的最小值。

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, ...])

当前元素与先前元素之间的分数变化。

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

返回请求轴上值的乘积。

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秩（从 1 到 n）。

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

返回请求轴上的平均值的无偏标准误差。

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

返回请求轴上的无偏偏度。

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])

返回所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, ...])

返回一个包含唯一值计数的 Series。

重新索引/选择/标签操作#

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

根据指定的连接方法，将两个对象在其轴上对齐。

Series.case_when(caselist)

替换条件为 True 的值。

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

返回删除了指定索引标签的 Series。

Series.droplevel(level[, axis])

返回删除了请求的索引/列级别(s)的 Series/DataFrame。

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

返回删除了重复值的 Series。

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.first(offset)

(已弃用) 根据日期偏移选择时间序列数据的初始时间段。

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)

判断 Series 中的元素是否包含在 values 中。

Series.last(offset)

(已弃用) 根据日期偏移选择时间序列数据的最后几个周期。

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

将 Series 调整为新的索引，并可选地进行填充操作。

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

返回一个与其他对象具有匹配索引的对象。

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

更改 Series 索引标签或名称。

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

设置索引或列的轴名称。

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

生成一个新的 DataFrame 或 Series，其索引已重置。

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

从对象轴返回随机样本。

Series.set_axis(labels, *[, axis, copy])

将所需索引分配给给定轴。

Series.take(indices[, axis])

返回给定位置索引沿轴的元素。

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])

在标签前添加字符串 prefix。

Series.add_suffix(suffix[, axis])

在标签后添加字符串 suffix。

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

根据指定的索引标签子集 DataFrame 行或列。

缺失数据处理#

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

(已弃用) 使用下一个有效观测值填充缺失值。

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

使用下一个有效观测值填充缺失值。

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

返回一个删除缺失值的新 Series。

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

通过将最后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.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()

检测现有（非缺失）值。

Series.notnull()

Series.notnull 是 Series.notna 的别名。

Series.pad(*[, axis, inplace, limit, downcast])

（已弃用）通过将最后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, ...])

将 to_replace 中给定的值替换为 value。

重塑，排序#

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

返回将对 Series 值进行排序的整数索引。

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, ...])

按索引标签对 Series 进行排序。

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（也称为透视），以生成 DataFrame。

Series.explode([ignore_index])

将列表式中的每个元素转换为一行。

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

查找应插入元素以保持顺序的索引。

Series.ravel([order])

(已弃用) 将扁平化的基础数据作为 ndarray 或 ExtensionArray 返回。

Series.repeat(repeats[, axis])

重复 Series 的元素。

Series.squeeze([axis])

将一维轴对象压缩为标量。

Series.view([dtype])

(已弃用) 创建 Series 的新视图。

组合 / 比较 / 连接 / 合并#

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

与另一个 Series 比较并显示差异。

Series.update(other)

使用传递的 Series 中的值修改 Series。

访问器#

pandas 在各种访问器下提供特定于数据类型的方法。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

str

分类

cat

稀疏

sparse

类似日期时间属性#

Series.dt 可用于访问系列的值作为类似日期时间的类型，并返回多个属性。这些属性可以通过 Series.dt.<property> 访问。

日期时间属性#

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

返回带有时区的 datetime.time 对象的 numpy 数组。

Series.dt.year

日期时间中的年份。

Series.dt.month

月份，1 月为 1，12 月为 12。

Series.dt.day

日期时间中的日期。

Series.dt.hour

日期时间中的小时。

Series.dt.minute

日期时间中的分钟。

Series.dt.second

日期时间中的秒。

Series.dt.microsecond

日期时间中的微秒。

Series.dt.nanosecond

日期时间中的纳秒。

Series.dt.dayofweek

一周中的日期，星期一为 0，星期日为 6。

Series.dt.day_of_week

一周中的日期，星期一为 0，星期日为 6。

Series.dt.weekday

一周中的日期，星期一为 0，星期日为 6。

Series.dt.dayofyear

一年中的序数日期。

Series.dt.day_of_year

一年中的序数日期。

Series.dt.days_in_month

该月的天数。

Series.dt.quarter

日期所在的季度。

Series.dt.is_month_start

指示日期是否为该月的第一天。

Series.dt.is_month_end

指示日期是否为该月的最后一天。

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

布尔值指示符，指示日期是否属于闰年。

Series.dt.daysinmonth

该月的天数。

Series.dt.days_in_month

该月的天数。

Series.dt.tz

返回时区。

Series.dt.freq

返回此 PeriodArray 的频率对象。

Series.dt.unit

Series.dt.normalize(*args, **kwargs)

将时间转换为午夜。

日期时间方法#

Series.dt.isocalendar()

根据 ISO 8601 标准计算年份、周和日。

Series.dt.to_period(*args, **kwargs)

以特定频率转换为 PeriodArray/PeriodIndex。

Series.dt.to_pydatetime()

(已弃用) 将数据作为 datetime.datetime 对象数组返回。

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

将无时区 Datetime 数组/索引本地化为有时区 Datetime 数组/索引。

Series.dt.tz_convert(*args, **kwargs)

将有时区 Datetime 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)

对数据执行舍入操作，以达到指定的 freq。

Series.dt.floor(*args, **kwargs)

对数据执行向下取整操作，以达到指定的 freq。

Series.dt.ceil(*args, **kwargs)

对数据执行向上取整操作，以达到指定的 freq。

Series.dt.month_name(*args, **kwargs)

返回指定语言环境的月份名称。

Series.dt.day_name(*args, **kwargs)

返回指定语言环境的星期名称。

Series.dt.as_unit(*args, **kwargs)

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

获取周期的结束时间戳。

时间增量属性#

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.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)

返回每个元素以秒为单位表示的总持续时间。

Series.dt.as_unit(*args, **kwargs)

字符串处理#

Series.str 可用于访问系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.<function/property> 访问。

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。

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 中的字符串的左侧和右侧填充空格。

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出现的次数。

Series.str.decode(encoding[, errors])

使用指定的编码解码 Series/Index 中的字符字符串。

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结尾是否与模式匹配。

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

将正则表达式 pat 中的捕获组提取为 DataFrame 中的列。

Series.str.extractall(pat[, flags])

将正则表达式 pat 中的捕获组提取为 DataFrame 中的列。

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匹配正则表达式。

Series.str.get(i)

从每个组件中提取指定位置或指定键的元素。

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 中作为元素包含的列表。

Series.str.len()

计算 Series/Index 中每个元素的长度。

Series.str.ljust(width[, fillchar])

在 Series/Index 中的字符串右侧填充。

Series.str.lower()

将 Series/Index 中的字符串转换为小写。

Series.str.lstrip([to_strip])

删除前导字符。

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 规范形式。

Series.str.pad(width[, side, fillchar])

将 Series/Index 中的字符串填充到宽度。

Series.str.partition([sep, expand])

在 sep 的第一次出现处拆分字符串。

Series.str.removeprefix(prefix)

从对象系列中删除前缀。

Series.str.removesuffix(suffix)

从对象系列中删除后缀。

Series.str.repeat(repeats)

重复 Series 或 Index 中的每个字符串。

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

替换 Series/Index 中模式/正则表达式中的每个出现。

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])

在 Series/Index 中的字符串左侧填充。

Series.str.rpartition([sep, expand])

在 sep 的最后一次出现处分割字符串。

Series.str.rstrip([to_strip])

删除尾随字符。

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])

围绕给定的分隔符/分隔符分割字符串。

Series.str.rsplit([pat, n, expand])

围绕给定的分隔符/分隔符分割字符串。

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])

删除前导和尾随字符。

Series.str.swapcase()

将 Series/Index 中的字符串转换为大小写转换。

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(width, **kwargs)

在指定行宽处换行 Series/Index 中的字符串。

Series.str.zfill(width)

通过在 Series/Index 中的字符串前面添加 '0' 字符来填充字符串。

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格。

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都是大写。

Series.str.istitle()

检查每个字符串中的所有字符是否都是标题大小写。

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。

Series.str.get_dummies([sep])

返回 Series 的虚拟/指示变量 DataFrame。

分类访问器#

分类数据类型特定的方法和属性可以在 Series.cat 访问器下使用。

Series.cat.categories

此分类的类别。

Series.cat.ordered

类别是否具有有序关系。

Series.cat.codes

返回代码 Series 以及索引。

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

重命名类别。

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

按 new_categories 中指定的顺序重新排序类别。

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

添加新类别。

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

删除指定的类别。

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

删除未使用的类别。

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

将类别设置为指定的新类别。

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

将分类设置为有序。

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

将分类设置为无序。

稀疏访问器#

稀疏数据类型特定的方法和属性在 Series.sparse 访问器下提供。

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 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 创建一个具有稀疏值的 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#

Arrow 列表数据类型特定的方法和属性在 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。

结构体访问器#

Arrow 结构体 dtype 特定的方法和属性在 Series.struct 访问器下提供。

Series.struct.dtypes

返回结构体每个子字段的 dtype 对象。

Series.struct.field(name_or_index)

将结构体的子字段提取为 Series。

Series.struct.explode()

将结构体的所有子字段提取为 DataFrame。

标志#

标志是指 pandas 对象的属性。数据集的属性（如记录日期、访问的 URL 等）应存储在 Series.attrs 中。

Flags(obj, *, allows_duplicate_labels)

适用于 pandas 对象的标志。

元数据#

Series.attrs 是一个字典，用于存储此 Series 的全局元数据。

警告

Series.attrs 被认为是实验性的，可能会在没有警告的情况下更改。

Series.attrs

此数据集的全局属性字典。

绘图#

Series.plot 既是可调用方法，也是特定绘图方法的命名空间属性，形式为 Series.plot.<kind>。

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

Series 绘图访问器和方法

Series.plot.area([x, y, stacked])

绘制堆叠区域图。

Series.plot.bar([x, y])

垂直条形图。

Series.plot.barh([x, y])

创建水平条形图。

Series.plot.box([by])

创建 DataFrame 列的箱线图。

Series.plot.density([bw_method, ind])

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])

使用高斯核生成核密度估计图。

Series.plot.line([x, y])

将 Series 或 DataFrame 绘制为线。

Series.plot.pie(**kwargs)

生成饼图。

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（pickle）到文件。

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 {标签 -> 值} 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 Series 转换为 DataFrame。

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, ...])

呈现 Series 的字符串表示形式。

Series.to_clipboard([, excel, sep])

将对象复制到系统剪贴板。

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

将对象呈现为 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 Series。