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 |
| Series.reindex_like(other[, method, copy, …]) | 用于将 Series 对象重新索引以匹配另一个 Series 或 DataFrame 的索引的方法 |
| Series.rename([index, axis, copy, inplace, …]) | 用于重命名 Series 对象的索引或轴标签的方法 |
| Series.rename_axis([mapper, index, axis, …]) | 用于为 Series 的索引轴（index）或列轴（columns，对于 Series 通常不适用）设置名称 |
| Series.reset_index([level, drop, name, …]) | 用于将 Series 的索引重置为默认整数索引的方法 |
pandas.Series.reset_index
pandas.Series.reset_index 是一个用于将 Series 的索引重置为默认整数索引的方法。它还可以选择性地将原来的索引作为新列添加到 Series 中。以下是该方法的参数说明：
- level: 如果索引是 MultiIndex，则指定要重置的级别。
- drop: 如果为 True，则不保留原来的索引，直接返回重置后的
Series；如果为 False，则将原来的索引作为新列添加，默认为 False。 - name: 用于设置重置后
Series的名称。如果未提供且原Series没有名称，则使用默认名称。 - inplace: 如果为 True，则就地修改数据；如果为 False，则返回新的对象，默认为 False。
- allow_duplicates: 如果为 True，则允许在重置索引时出现重复的索引值，默认为 False。
示例及结果
示例 1：基本用法
import pandas as pd
# 创建一个带有自定义索引的 Series
s = pd.Series([1, 2, 3], index=['a', 'b', 'c'], name='values')
print("原始 Series:")
print(s)
# 使用 reset_index 方法重置索引
s_reset = s.reset_index()
print("\n重置索引后的 DataFrame:")
print(s_reset)
输出结果
原始 Series:
a 1
b 2
c 3
Name: values, dtype: int64
重置索引后的 DataFrame:
index values
0 a 1
1 b 2
2 c 3
在这个例子中，我们使用 reset_index 方法将 Series 的索引重置为默认整数索引，并将原来的索引作为新列 index 添加到返回的 DataFrame 中。
示例 2：不保留原来的索引
# 不保留原来的索引
s_reset_drop = s.reset_index(drop=True)
print("\n不保留原来索引的 Series:")
print(s_reset_drop)
输出结果
不保留原来索引的 Series:
0 1
1 2
2 3
Name: values, dtype: int64
在这个例子中，我们通过设置 drop=True 来不保留原来的索引，直接返回重置后的 Series。
示例 3：处理 MultiIndex
# 创建一个带有 MultiIndex 的 Series
multi_index = pd.MultiIndex.from_tuples([('a', 'x'), ('b', 'y'), ('c', 'z')], names=['first', 'second'])
s_multi = pd.Series([1, 2, 3], index=multi_index, name='values')
print("\n原始 MultiIndex Series:")
print(s_multi)
# 重置 MultiIndex 的所有级别
s_multi_reset = s_multi.reset_index()
print("\n重置 MultiIndex 后的 DataFrame:")
print(s_multi_reset)
输出结果
原始 MultiIndex Series:
first second
a x 1
b y 2
c z 3
Name: values, dtype: int64
重置 MultiIndex 后的 DataFrame:
first second values
0 a x 1
1 b y 2
2 c z 3
在这个例子中，我们使用 reset_index 方法将 MultiIndex 的所有级别重置为默认整数索引，并将原来的索引级别作为新列添加到返回的 DataFrame 中。
示例 4：重置特定级别
# 重置 MultiIndex 的第一个级别
s_multi_reset_level = s_multi.reset_index(level='first')
print("\n重置 MultiIndex 第一个级别的 DataFrame:")
print(s_multi_reset_level)
输出结果
重置 MultiIndex 第一个级别的 DataFrame:
first values
second
x a 1
y b 2
z c 3
在这个例子中，我们通过设置 level='first' 来仅重置 MultiIndex 的第一个级别。
示例 5：允许重复索引值
# 创建一个带有重复索引的 Series
s_duplicate = pd.Series([1, 2, 3, 4], index=['a', 'b', 'a', 'c'], name='values')
print("\n原始带有重复索引的 Series:")
print(s_duplicate)
# 允许重复索引值并重置索引
s_duplicate_reset = s_duplicate.reset_index(allow_duplicates=True)
print("\n允许重复索引值并重置索引后的 DataFrame:")
print(s_duplicate_reset)
输出结果
原始带有重复索引的 Series:
a 1
b 2
a 3
c 4
Name: values, dtype: int64
允许重复索引值并重置索引后的 DataFrame:
index values
0 a 1
1 b 2
2 a 3
3 c 4
在这个例子中，我们通过设置 allow_duplicates=True 来允许在重置索引时出现重复的索引值。