
- Python Pandas 教程
- Python Pandas - 首頁
- Python Pandas - 簡介
- Python Pandas - 環境搭建
- Python Pandas - 基礎
- Python Pandas - 資料結構介紹
- Python Pandas - 索引物件
- Python Pandas - 面板
- Python Pandas - 基本功能
- Python Pandas - 索引和資料選擇
- Python Pandas - Series
- Python Pandas - Series
- Python Pandas - 切片 Series 物件
- Python Pandas - Series 物件的屬性
- Python Pandas - Series 物件的算術運算
- Python Pandas - 將 Series 轉換為其他物件
- Python Pandas - DataFrame
- Python Pandas - DataFrame
- Python Pandas - 訪問 DataFrame
- Python Pandas - 切片 DataFrame 物件
- Python Pandas - 修改 DataFrame
- Python Pandas - 從 DataFrame 中刪除行
- Python Pandas - DataFrame 的算術運算
- Python Pandas - I/O 工具
- Python Pandas - I/O 工具
- Python Pandas - 使用 CSV 格式
- Python Pandas - 讀取和寫入 JSON 檔案
- Python Pandas - 從 Excel 檔案讀取資料
- Python Pandas - 將資料寫入 Excel 檔案
- Python Pandas - 使用 HTML 資料
- Python Pandas - 剪貼簿
- Python Pandas - 使用 HDF5 格式
- Python Pandas - 與 SQL 的比較
- Python Pandas - 資料處理
- Python Pandas - 排序
- Python Pandas - 重索引
- Python Pandas - 迭代
- Python Pandas - 連線
- Python Pandas - 統計函式
- Python Pandas - 描述性統計
- Python Pandas - 處理文字資料
- Python Pandas - 函式應用
- Python Pandas - 選項和自定義
- Python Pandas - 視窗函式
- Python Pandas - 聚合
- Python Pandas - 合併/連線
- Python Pandas - 多級索引
- Python Pandas - 多級索引基礎
- Python Pandas - 使用多級索引進行索引
- Python Pandas - 使用多級索引進行高階重索引
- Python Pandas - 重新命名多級索引標籤
- Python Pandas - 對多級索引進行排序
- Python Pandas - 二元運算
- Python Pandas - 二元比較運算
- Python Pandas - 布林索引
- Python Pandas - 布林掩碼
- Python Pandas - 資料重塑和透視
- Python Pandas - 透視表
- Python Pandas - 堆疊和取消堆疊
- Python Pandas - 熔化
- Python Pandas - 計算虛擬變數
- Python Pandas - 分類資料
- Python Pandas - 分類資料
- Python Pandas - 分類資料的排序和排序
- Python Pandas - 分類資料的比較
- Python Pandas - 處理缺失資料
- Python Pandas - 缺失資料
- Python Pandas - 填充缺失資料
- Python Pandas - 缺失值的插值
- Python Pandas - 刪除缺失資料
- Python Pandas - 使用缺失資料進行計算
- Python Pandas - 處理重複資料
- Python Pandas - 重複資料
- Python Pandas - 計數和檢索唯一元素
- Python Pandas - 重複標籤
- Python Pandas - 分組和聚合
- Python Pandas - GroupBy
- Python Pandas - 時間序列資料
- Python Pandas - 日期功能
- Python Pandas - 時間增量
- Python Pandas - 稀疏資料結構
- Python Pandas - 稀疏資料
- Python Pandas - 視覺化
- Python Pandas - 視覺化
- Python Pandas - 其他概念
- Python Pandas - 注意事項和陷阱
- Python Pandas 有用資源
- Python Pandas - 快速指南
- Python Pandas - 有用資源
- Python Pandas - 討論
Python Pandas - Series 物件的屬性
Pandas Series 是主要資料結構之一,提供了一種方便的方法來處理和操作一維資料。它看起來類似於電子表格中的一列或資料庫表中的一列。
Series 物件屬性是幫助您獲取有關 Series 物件及其資料資訊的工具。Pandas 提供了多個屬性來理解和操作 Series 中的資料。在本教程中,您將學習有關 Pandas Series 屬性的知識。
資料資訊
這些屬性提供有關 Series 中的資料資訊 -
序號 | 方法和描述 |
---|---|
1 | dtype 返回底層資料的型別。 |
2 | dtypes 返回底層資料的型別。 |
3 | nbytes 返回底層資料中的位元組數。 |
4 | ndim 返回底層資料的維度數,對於 Series 始終為 1。 |
5 | shape 返回表示底層資料形狀的元組。 |
6 | size 返回底層資料中的元素數量。 |
7 | values 根據資料型別返回 Series 作為 ndarray 或類似 ndarray 的物件。 |
資料訪問
這些屬性有助於訪問 Series 中的資料 -
序號 | 方法和描述 |
---|---|
1 | at 使用行/列標籤對訪問單個值。 |
2 | iat 透過整數位置訪問單個值。 |
3 | loc 透過標籤或布林陣列訪問一組行和列。 |
資料屬性
這些屬性提供有關 Series 的屬性和元資料 -
序號 | 方法和描述 |
---|---|
1 |
empty 指示 Series 或 DataFrame 是否為空。 |
2 | flags 獲取與 Pandas 物件關聯的屬性。 |
3 | hasnans 如果存在任何 NaN 值,則返回 True。 |
4 | index 返回 Series 的索引(軸標籤)。 |
5 | is_monotonic_decreasing 如果值單調遞減,則返回 True。 |
6 | is_monotonic_increasing 如果值單調遞增,則返回 True。 |
7 | is_unique 如果所有值都唯一,則返回 True。 |
8 | name 返回 Series 的名稱。 |
其他
此類別包括執行各種其他操作的屬性 -
序號 | 方法和描述 |
---|---|
1 | array 將 Series 的底層資料作為 ExtensionArray 提供。 |
2 |
attrs 返回資料集全域性屬性的字典。 |
3 | axes 返回行軸標籤列表。 |
4 |
T 返回 Series 的轉置,它本質上與原始 Series 相同。 |