name 返回Series的名称。 nbytes 返回底层数据中的字节数。 ndim 底层数据的维数,根据定义为1。 shape 返回底层数据的形状的元组。 size 返回底层数据中的元素数。 values 根据dtype返回Series作为ndarray或类似ndarray的对象。 empty 如果Series为空,则返回True。 方法 方法名说明 abs() 返回每个元素的绝对值的Series...
filter()是真正的过滤方法,它按给定的索引过滤,多余的部分会被过滤掉: import pandas as pd s1 = pd.Series([10,20,30,40,50], index=['A', 'B', 'C', 'D', 'E']) print(s1.filter(items=['A', 'B'])) ‘’‘ A 10 B 20 dtype: int64 ’‘’ 在filter()中,还可以使用正则表达式:...
Python pandas.Series.filter用法及代码示例用法: Series.filter(items=None, like=None, regex=None, axis=None)根据指定的索引标签对 DataFrame 行或列进行子集。请注意,此例程不会根据其内容过滤 DataFrame 。过滤器应用于索引的标签。参数: items:list-like 保留项目中的轴标签。 like:str 保留“like in label...
test([extra_args]) -Series函数说明 构造器 Series([data, index, dtype, name, copy, …]) 带有轴标签的一维ndarray (包括时间Series)。 属性 轴线 Series.index Series的索引(轴标签)。 Series.values 根据dtype,返回ndarray或类似ndarray的Series Series.dtype 返回基础数据的dtype对象 ...
groupby：按照指定的列或多个列对数据进行分组agg：对每个分组应用自定义的聚合函数transform：对每个分组应用转换函数，返回与原始数据形状相同的结果rank：计算元素在每个分组中的排名filter：根据分组的某些属性筛选数据sum：计算分组的总和mean：计算分组的平均值median：计算分组的中位数min和 max：计算分组的最小值和...
import pandas as pd # 定义原始Series sr = pd.Series({'A': 86.21, 'B': 88.24, 'C':...
Pandas笔记 基础 Series 一个Series代表一个一维的数据,而一个DataFrame代表一个二维的数据。 Series由index(索引)和values(值)构成,与字典有点类似。 一、Series的创建 1.默认索引 2.自定义索引 二、Series的索引 例1 例2 三、判断index是否存在 四、Series与字典很类似 例1 例2... ...
Series的方法与属性 属性: values 获取某一列的数据值 获取的值为numpy.ndarray类型 index 获取series数据 方法: Series(数值项,index=索引的项) #数值项 与索引的项必须一一对应 ,索引项可以为字符串 index.tolist() names sort_index() 用索引项排序 ...
filter:根据分组的某些属性筛选数据 sum:计算分组的总和 mean:计算分组的平均值 median:计算分组的中位数 min和 max:计算分组的最小值和最大值 count:计算分组中非NA值的数量 size:计算分组的大小 std和 var:计算分组的标准差和方差 describe:生成分组的描述性统计摘要 ...
filter是另外一个独特的筛选功能。filter不筛选具体数据,而是筛选特定的行或列。它支持三种筛选方式: items:固定列名 regex:正则表达式 like:以及模糊查询 axis:控制是行index或列columns的查询 下面举例介绍下。 train.filter(items=['Age','Sex']) train.filter(regex='S', axis=1)# 列名包含S的 ...