pandas.Series

class pandas.Series(data=None, index=None, dtype=None, name=None, copy=None)

带有轴标签的一维ndarray（包括时间序列）。

标签不需要是唯一的，但必须是可哈希的类型。该对象支持基于整数和标签的索引，并提供了一系列方法来执行涉及索引的操作。来自 ndarray 的统计方法已被重写，以自动排除缺失数据（当前表示为 NaN）。

Series 之间的操作（+、-、/、*、**）根据它们相关联的索引值对齐值——它们不需要相同的长度。结果索引将是两个索引的排序并集。

参数:

数据类数组, 可迭代对象, 字典, 或标量值

包含存储在 Series 中的数据。如果数据是字典，则保留参数顺序。不支持无序集合。

索引类似数组或索引（1维）

值必须是可哈希的，并且与 data 的长度相同。允许非唯一的索引值。如果没有提供，将默认为 RangeIndex (0, 1, 2, …, n)。如果 data 是类字典的，并且索引是 None，那么 data 中的键将用作索引。如果索引不是 None，则生成的 Series 将使用索引值重新索引。

dtypestr, numpy.dtype, 或 ExtensionDtype, 可选

输出 Series 的数据类型。如果未指定，这将根据 data 推断。更多用法请参见 用户指南。如果 data 是 Series，则忽略此项。

名字可哈希的，默认无

要给 Series 的名称。

复制bool, 默认为 False

复制输入数据。仅影响 Series 或 1d ndarray 输入。请参见示例。

参见

DataFrame

二维、可变大小、潜在异构的表格数据。

索引

用于索引和对齐的不可变序列。

备注

更多信息请参考 用户指南。

示例

从带有指定索引的字典构造系列

>>> 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

字典的键与索引值匹配，因此索引值没有影响。

>>> 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

注意，索引首先用字典的键构建。之后，序列用给定的索引值重新索引，因此我们得到的结果全是NaN。

从列表构造 Series，使用 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，即使 copy=False，Series 也有原始数据的 副本，因此数据保持不变。

从带有 copy=False 的 1d ndarray 构建 Series。

>>> 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，Series 对原始数据有一个 视图，因此数据也会被改变。

属性

T	返回转置，根据定义这是自身。
数组	支持此 Series 或 Index 的数据的 ExtensionArray。
at	访问行/列标签对的一个单一值。
attrs	该数据集的全局属性字典。
轴	返回行轴标签的列表。
dtype	返回底层数据的 dtype 对象。
dtypes	返回底层数据的 dtype 对象。
empty	指示索引是否为空。
标志	获取与此 pandas 对象关联的属性。
hasnans	如果存在任何 NaN，则返回 True。
iat	通过整数位置访问行/列对的单个值。
iloc	纯基于整数位置的索引，用于按位置选择。
索引	Series 的索引（轴标签）。
is_monotonic_decreasing	如果对象中的值是单调递减的，则返回 True。
is_monotonic_increasing	如果对象中的值是单调递增的，则返回 True。
is_unique	如果对象中的值是唯一的，则返回 True。
loc	通过标签或布尔数组访问一组行和列。
name	返回 Series 的名称。
nbytes	返回底层数据中的字节数。
ndim	底层数据维度的数量，定义为1。
形状	返回基础数据形状的元组。
大小	返回基础数据中的元素数量。
值	根据 dtype 返回 Series 作为 ndarray 或类似 ndarray 的对象。

方法

abs()	返回一个包含每个元素绝对数值的 Series/DataFrame。
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）。
add_prefix(prefix[，axis])	使用字符串 prefix 作为标签前缀。
add_suffix(suffix[, axis])	使用字符串 suffix 作为后缀标签。
agg([func, axis])	在指定轴上使用一个或多个操作进行聚合。
aggregate([func, axis])	在指定轴上使用一个或多个操作进行聚合。
align(other[, join, axis, level, copy, ...])	使用指定的连接方法将两个对象沿其轴对齐。
all(*[, axis, bool_only, skipna])	返回是否所有元素都是 True，可能是在某个轴上。
any(*[, axis, bool_only, skipna])	返回是否任何元素为 True，可能超过一个轴。
apply(func[，args，by_row])	在 Series 的值上调用函数。
argmax([axis, skipna])	返回 Series 中最大值的整数位置。
argmin([axis, skipna])	返回 Series 中最小值的整数位置。
argsort([axis, kind, order, stable])	返回将排序 Series 值的整数索引。
asfreq(freq[, method, how, normalize, ...])	将时间序列转换为指定频率。
asof(where[, subset])	返回 where 之前没有任何 NaN 的最后一行。
astype(dtype[, copy, errors])	将 pandas 对象转换为指定的数据类型 dtype。
at_time(time[, asof, axis])	在特定时间选择值（例如，上午9:30）。
autocorr([lag])	计算滞后N的自相关。
between(left, right[, inclusive])	返回一个布尔序列，等价于 left <= 序列 <= right。
between_time(start_time, end_time[, ...])	选择一天中特定时间段的值（例如，上午9:00-9:30）。
bfill(*[, axis, inplace, limit, limit_area])	使用下一个有效观测值来填充 NA/NaN 值。
case_when(caselist)	在条件为真时替换值。
clip([lower, upper, axis, inplace])	在输入阈值处修剪值。
combine(other, func[, fill_value])	根据 func 将 Series 与 Series 或标量组合。
combine_first(other)	使用 'other' 中相同位置的值更新空元素。
compare(other[, align_axis, keep_shape, ...])	与另一个系列进行比较并显示差异。
convert_dtypes([infer_objects, ...])	将列从 numpy dtypes 转换为支持 pd.NA 的最佳 dtypes。
copy([deep])	复制此对象的索引和数据。
corr(other[, method, min_periods])	计算与 other Series 的相关性，排除缺失值。
count()	返回 Series 中非 NA/null 观测值的数量。
cov(other[, min_periods, ddof])	计算与 Series 的协方差，排除缺失值。
cummax([axis, skipna])	返回 DataFrame 或 Series 轴上的累积最大值。
cummin([axis, skipna])	返回 DataFrame 或 Series 轴上的累积最小值。
cumprod([axis, skipna])	返回 DataFrame 或 Series 轴上的累积乘积。
cumsum([axis, skipna])	返回 DataFrame 或 Series 轴上的累积和。
describe([percentiles, include, exclude])	生成描述性统计数据。
diff([periods])	元素的第一个离散差分。
div(other[, level, fill_value, axis])	返回系列和其他的浮点除法，逐元素进行（二元运算符 truediv）。
divide(other[, level, fill_value, axis])	返回系列和其他的浮点除法，逐元素进行（二元运算符 truediv）。
divmod(other[, level, fill_value, axis])	返回序列和其他的整数除法和模，逐元素操作（二元运算符 divmod）。
点积(other)	计算 Series 和 other 列之间的点积。
drop([labels, axis, index, columns, level, ...])	返回移除了指定索引标签的系列。
drop_duplicates(*[, keep, inplace, ignore_index])	返回删除了重复值的系列。
droplevel(level[, axis])	返回删除了请求的索引/列级别的 Series/DataFrame。
dropna(*[, axis, inplace, how, ignore_index])	返回一个新的 Series，其中删除了缺失值。
duplicated([keep])	指示重复的 Series 值。
eq(other[, level, fill_value, axis])	返回序列和其他的元素相等性比较结果，逐元素进行（二元运算符 eq）。
等于(other)	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, 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一行。
factorize([sort, use_na_sentinel])	将对象编码为枚举类型或分类变量。
ffill(*[, axis, inplace, limit, limit_area])	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。
fillna(value, *[, axis, inplace, limit])	用 value 填充 NA/NaN 值。
filter([items, like, regex, axis])	根据指定的索引标签对 DataFrame 或 Series 进行子集化。
first_valid_index()	返回第一个非缺失值的索引，如果未找到值，则返回 None。
floordiv(other[, level, fill_value, axis])	返回序列和其他的整数除法，逐元素操作（二元运算符 floordiv）。
ge(other[, level, fill_value, axis])	返回序列和另一个序列的元素大于或等于的结果，逐元素操作（二进制运算符 ge）。
获取(key[, default])	从对象中获取给定键的项（例如：DataFrame 列）。
groupby([by, level, as_index, sort, ...])	使用映射器或通过一系列列来分组系列。
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）。
head([n])	返回前 n 行。
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([copy])	尝试为对象列推断更好的数据类型。
info([verbose, buf, max_cols, memory_usage, ...])	打印一个系列的简要摘要。
插值([method, axis, limit, inplace, ...])	使用插值方法填充 NaN 值。
isin(values)	Series 中的元素是否包含在 values 中。
isna()	检测缺失值。
isnull()	Series.isnull 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()	惰性地迭代 (索引, 值) 元组。
键()	索引的返回别名。
kurt(*[, axis, skipna, numeric_only])	返回请求轴上的无偏峰度。
kurtosis(*[, axis, skipna, numeric_only])	返回请求轴上的无偏峰度。
last_valid_index()	返回最后一个非缺失值的索引，如果没有找到值则返回 None。
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）。
lt(other[, level, fill_value, axis])	Return Greater than of series and other, element-wise (binary operator lt).
map(arg[, na_action])	根据输入映射或函数映射 Series 的值。
mask(cond[, other, inplace, axis, level])	在条件为真时替换值。
max(*[, axis, skipna, numeric_only])	返回请求轴上的最大值。
mean(*[, axis, skipna, numeric_only])	返回请求轴上值的平均值。
median(*[, axis, skipna, numeric_only])	返回请求轴上值的中位数。
memory_usage([index, deep])	返回 Series 的内存使用情况。
min(*[, axis, skipna, numeric_only])	返回请求轴上值的最小值。
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）。
mode([dropna])	返回 Series 的模式。
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）。
multiply(other[, level, fill_value, axis])	返回序列和其他的逐元素乘法（二元运算符 mul）。
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）。
nlargest([n, keep])	返回最大的 n 个元素。
notna()	检测现有的（非缺失的）值。
notnull()	Series.notnull 是 Series.notna 的别名。
nsmallest([n, keep])	返回最小的 n 个元素。
nunique([dropna])	返回对象中唯一元素的数量。
pct_change([periods, fill_method, freq])	当前元素与先前元素之间的分数变化。
pipe(func, *args, **kwargs)	应用期望 Series 或 DataFrames 的可链接函数。
pop(item)	返回系列中的物品和掉落物。
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）。
prod(*[, axis, skipna, numeric_only, min_count])	返回所请求轴上值的乘积。
product(*[, axis, skipna, numeric_only, ...])	返回所请求轴上值的乘积。
quantile([q, interpolation])	返回给定分位数的值。
radd(other[, level, fill_value, axis])	返回序列和其他的元素加法（二元运算符 radd）。
rank([axis, method, numeric_only, ...])	沿轴计算数值数据的排名（从1到n）。
rdiv(other[, level, fill_value, axis])	返回序列和其他的浮点数除法，逐元素操作（二元运算符 rtruediv）。
rdivmod(other[, level, fill_value, axis])	返回序列和其他的整数除法和模，逐元素操作（二元运算符 rdivmod）。
reindex([index, axis, method, copy, level, ...])	使用可选的填充逻辑将系列调整为新的索引。
reindex_like(other[, method, copy, limit, ...])	返回一个对象，其索引与其他对象匹配。
rename([index, axis, copy, inplace, level, ...])	修改系列索引标签或名称。
rename_axis([mapper, index, axis, copy, inplace])	设置索引的轴名称。
reorder_levels(order)	使用输入顺序重新排列索引级别。
repeat(repeats[, axis])	重复一个序列的元素。
replace([to_replace, value, inplace, regex])	将 to_replace 中的值替换为 value。
resample(rule[, closed, label, convention, ...])	重采样时间序列数据。
reset_index([level, drop, name, inplace, ...])	生成一个新的 DataFrame 或 Series，并重置索引。
rfloordiv(other[, level, fill_value, axis])	返回序列和其他的整数除法，逐元素操作（二元运算符 rfloordiv）。
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）。
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）。
rolling(window[, min_periods, center, ...])	提供滚动窗口计算。
round([decimals])	将 Series 中的每个值四舍五入到给定的位数。
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）。
rsub(other[, level, fill_value, axis])	返回序列和其他的元素减法（二元运算符 rsub）。
rtruediv(other[, level, fill_value, axis])	返回序列和其他的浮点数除法，逐元素操作（二元运算符 rtruediv）。
sample([n, frac, replace, weights, ...])	从一个对象的轴返回一个随机样本项。
searchsorted(value[, side, sorter])	查找元素应插入以保持顺序的索引。
sem(*[, axis, skipna, ddof, numeric_only])	返回请求轴上的无偏均值标准误差。
set_axis(labels, *[, axis, copy])	将所需索引分配给给定轴。
set_flags(*[, copy, allows_duplicate_labels])	返回一个带有更新标志的新对象。
shift([periods, freq, axis, fill_value, suffix])	通过可选的时间 freq 将索引按所需周期数移动。
skew(*[, axis, skipna, numeric_only])	返回请求轴上的无偏斜度。
sort_index(*[, axis, level, ascending, ...])	按索引标签排序系列。
sort_values(*[, axis, ascending, inplace, ...])	按值排序。
squeeze([axis])	将一维轴对象压缩为标量。
std(*[, axis, skipna, ddof, numeric_only])	返回请求轴上的样本标准偏差。
sub(other[, level, fill_value, axis])	返回序列和其他的元素减法（二元运算符 sub）。
subtract(other[, level, fill_value, axis])	返回序列和其他的元素减法（二元运算符 sub）。
sum(*[, axis, skipna, numeric_only, min_count])	返回请求轴上值的总和。
swaplevel([i, j, copy])	在 MultiIndex 中交换 i 和 j 级别。
tail([n])	返回最后 n 行。
take(indices[, axis])	返回沿指定轴的给定 位置 索引中的元素。
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 Series 转换为 {label -> value} 字典或类似字典的对象。
to_excel(excel_writer, *[, sheet_name, ...])	将对象写入 Excel 表格。
to_frame([name])	将系列转换为数据框。
to_hdf(path_or_buf, *, key[, mode, ...])	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, header, index, ...])	将对象渲染为 LaTeX 表格、长表格或嵌套表格。
to_list()	返回一个值的列表。
to_markdown([buf, mode, index, storage_options])	以 Markdown 友好格式打印系列。
to_numpy([dtype, copy, na_value])	表示此 Series 或 Index 中值的 NumPy ndarray。
to_period([freq, copy])	将 Series 从 DatetimeIndex 转换为 PeriodIndex。
to_pickle(path, *[, compression, protocol, ...])	将对象序列化（pickle）到文件中。
to_sql(name, con, *[, 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, ...])	渲染 Series 的字符串表示。
to_timestamp([freq, how, copy])	将时间戳转换为时间段的*开始*的 DatetimeIndex。
to_xarray()	从 pandas 对象返回一个 xarray 对象。
tolist()	返回一个值的列表。
transform(func[, axis])	在自身上调用 func ，生成一个与自身轴形状相同的 Series。
transpose(*args, **kwargs)	返回转置，根据定义这是自身。
truediv(other[, level, fill_value, axis])	返回系列和其他的浮点除法，逐元素进行（二元运算符 truediv）。
truncate([before, after, axis, copy])	在某个索引值之前和之后截断一个 Series 或 DataFrame。
tz_convert(tz[, axis, level, copy])	将 tz-aware 轴转换为目标时区。
tz_localize(tz[, axis, level, copy, ...])	将 Series 或 DataFrame 的时区未指定索引本地化为目标时区。
unique()	返回 Series 对象的唯一值。
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。
更新(其他)	使用传递的 Series 中的值就地修改 Series。
value_counts([normalize, sort, ascending, ...])	返回一个包含唯一值计数的系列。
var(*[, axis, skipna, ddof, numeric_only])	返回请求轴上的无偏方差。
where(cond[, other, inplace, axis, level])	在条件为假的地方替换值。
xs(key[, axis, level, drop_level])	从 Series/DataFrame 返回横截面。