pandas series 的 combine() 方法用于根据指定的函数组合两个 series 对象。series.combine() 方法有两个必需的位置参数。第一个参数是另一个 series 对象，第二个参数是一个函数。该方法根据指定的函数组合来自每个 series 对象的两个元素，并将其作为输出 series 对象的元素返回。此方法有一个可选参数 fill_value。如果索引在一个或另一个 series 对象中缺失，则可以使用指定的值填充该缺失的索引值，否则该值为 Nan…… 阅读更多

Pandas Series.between_time() 方法用于选择一天中特定时间段的值。between_time() 方法接受两个时间参数，并返回包含所选值的 series 对象。between_time 方法类似于 pandas series 对象的 at_time 方法，at_time 方法选择特定时间的值，而 between_time 方法将选择时间段内的值。如果输入 series 对象的索引不是 DatetimeIndex，则它将引发 TypeError。默认情况下，两个输入时间 (start_time, end_time) 参数都是包含的，如果您想更改它，可以使用 include_start 和 include_end 参数。示例 1 import … 阅读更多

pandas Series 中的 between() 方法用于检查 series 对象的值是否位于传递给函数的边界值之间。或者我们可以说，pandas series 中的 between() 方法将检查哪些数据元素落在传递给方法的起始值和结束值之间。它将返回一个包含布尔值的 series 对象，如果这些元素位于给定范围之间，则表示 True，否则返回 False。默认情况下，between() 方法包含边界值，如果您想更改它，可以… 阅读更多

Pandas Series.at_time() 方法用于选择给定 series 对象特定时间的值。at_time() 方法接受一个时间参数，并返回包含所选值的 series 对象。如果给定 series 对象的索引中不存在指定的时间，则 at_time 方法将返回一个空的 Series 对象，如果输入 series 对象的索引没有 DatetimeIndex，则它将引发 TypeError。让我们创建一个带有 Datetime 索引的 pandas Series 对象，并使用 Series.at_time() 方法获取值。如果指定的时… 阅读更多

在 pandas series 中，astype() 方法用于转换 pandas series 对象的数据类型。astype() 方法将返回一个具有转换后数据类型的 series 对象。使用 pandas.Series 中的此 astype() 方法，我们可以将 series 对象的数据类型转换为指定的数据类型，为此，我们需要将 numpy.dtype 或 Python 类型作为参数发送到 astype() 方法。示例 1 # 导入所需包 import pandas as pd # 创建 pandas Series 对象 series = pd.Series([1, 2, 4, 3, 1, 2]) print(series) result = series.astype('category') print("输出: … 阅读更多

通过使用 pandas asfreq() 方法，我们可以对时间序列进行上采样，并且还可以使用 fill_value 参数填充 Nan 值。pandas.Series.asfreq() 方法用于将时间序列转换为指定的频率。结果，它将返回一个使用指定频率重新索引的时间序列。让我们使用 pandas date_range 模块创建一个 timeseries 对象，并使用 pandas.series.asfreq() 方法对其进行上采样。示例 1 import pandas as pd # 创建日期 date = pd.date_range("2021-07-01", periods=2, freq="M") # 使用日期范围索引创建 pandas Series s = pd.Series([5, 6], index=date) print(s) … 阅读更多

pandas.Series.asfreq() 方法用于将时间序列转换为指定的频率。通过使用此方法的参数，我们也可以填充缺失 (空) 值。它将返回一个使用重新索引频率的 series 对象，该频率通过 asfreq() 方法指定。asfreq() 方法的参数为 freq、method=None、how=None、normalize=False 和 fill_value=None。除了 freq 之外，其余所有参数都具有默认值。让我们使用 pandas date_range 模块创建一个 timeseries 对象并应用 asfreq() 方法。示例 1 import pandas as pd # 创建索引 index = pd.date_range('2021-07-01', periods=10, freq='H') # 使用日期索引创建 pandas Series … 阅读更多

在 pandas series 中，argmax() 方法用于对给定 series 的值进行排序，它将返回另一个 series 对象，其中包含对原始 series 值进行排序的索引。如果 Series 对象包含任何空值或缺失值，则 argsort() 方法将给出 -1 来指示该缺失值 (Nan 值) 的索引。不幸的是，argsort 方法没有任何参数可以跳过空值。如果您想更改缺失值的默认表示 (-1)。那么我们需要遵循以下描述的方法。示例 1 import pandas as pd import numpy as … 阅读更多

在 pandas series 中，argmax() 方法用于对 series 的值进行排序，它将返回一个新的 series 对象，其中包含对原始 series 值进行排序的索引。如果 Series 对象包含任何空值或缺失值，则 argsort() 方法将给出 -1 值作为其索引。为了对 series 对象的值进行排序，argsort 方法将快速排序算法作为默认算法，并且我们可以通过使用 kind 参数应用任何其他排序算法，如“mergesort”、“heapsort”、“stable”。argsort 方法返回一个 series，其值被替换为排序后的顺序… 阅读更多

argsort() 是 pandas Series 构造函数的一种方法，其功能类似于 NumPy.ndarray.argsort()。在 pandas Series 中，argmax() 方法将返回一个 Series 对象，其中包含对原始 Series 值进行排序的索引。它返回一个 Series，其值被替换为排序后索引的顺序。它不会改变原始 Series 的位置索引标签，只会按排序后值的顺序替换值。argsort 方法告诉你该元素来自原始 Series 对象的哪个位置。示例 1 import pandas as pd # 创建 Series s = pd.Series({'A':123, 'B':458, "C":556, "D": 238}) ... 阅读更多