河北建设厅政府网站国内最开放的浏览器

Pandas2.2 Series

Computations descriptive stats

方法	描述
Series.align(other[, join, axis, level, …])	用于将两个 Series 对齐，使其具有相同的索引
Series.case_when(caselist)	用于根据条件列表对 Series 中的元素进行条件判断并返回相应的值
Series.drop([labels, axis, index, columns, …])	用于从 Series 中删除指定的行或列（对于 Series 来说，通常是删除行）
Series.droplevel(level[, axis])	用于从多层索引（MultiIndex）的 Series 中删除指定的索引层级
Series.drop_duplicates(*[, keep, inplace, …])	用于从 Series 中删除重复的值
Series.duplicated([keep])	用于检测 Series 中的重复值
Series.equals(other)	用于比较两个 Series 对象是否完全相等的方法
Series.first(offset)	用于根据日期偏移量（offset）选择 Series 中时间序列数据的初始部分
Series.head([n])	用于返回 Series 的前 n 个元素
Series.idxmax([axis, skipna])	用于返回 Series 中最大值的索引
Series.idxmin([axis, skipna])	用于返回 Series 中最小值的索引
Series.isin(values)	用于检查 Series 中的每个元素是否存在于给定的值集合 values 中
Series.last(offset)	用于根据日期偏移量（offset）选择 Series 中时间序列数据的末尾部分
Series.reindex([index, axis, method, copy, …])	用于重新索引 Series 对象的方法

pandas.Series.reindex

pandas.Series.reindex 是一个用于重新索引 Series 对象的方法，允许用户根据新的索引对数据进行重排或填充。以下是该方法的参数说明：

• index: 新的索引标签列表。
• axis: 仅在 DataFrame 中有意义，默认为 0（行），对于 Series 可忽略。
• method: 指定重新索引时使用的填充方法，如 ‘backfill’、‘bfill’、‘pad’、‘ffill’ 等。
• copy: 如果为 True，则即使新旧索引相同也会返回一个新的副本，默认为 True。
• level: 如果索引是 MultiIndex，则指定使用哪一级别进行重新索引。
• fill_value: 用于填充缺失值的值，默认为 NaN。
• limit: 使用填充方法时的最大填充距离。
• tolerance: 最大容差，超出此范围则不填充。

示例及结果

import pandas as pd# 创建一个简单的 Series
s = pd.Series([1, 2, 3], index=['a', 'b', 'c'])# 新的索引
new_index = ['a', 'b', 'c', 'd']# 使用 reindex 方法
s_reindexed = s.reindex(new_index, fill_value=0)print(s_reindexed)

输出结果

a    1      
b    2      
c    3      
d    0      
dtype: int64

在这个例子中，原始 Series 的索引是 ['a', 'b', 'c']，我们通过 reindex 方法将其重新索引为 ['a', 'b', 'c', 'd']。由于 'd' 在原始 Series 中不存在，因此我们使用 fill_value=0 来填充这个缺失值。