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 |
| Series.sample([n, frac, replace, weights, …]) | 用于从 Series 中随机抽取样本的方法 |
| Series.set_axis(labels, *[, axis, copy]) | 用于设置 Series 对象的索引标签的方法。 |
pandas.Series.sample
pandas.Series.sample 是一个用于从 Series 中随机抽取样本的方法。它允许用户根据指定的数量或比例进行抽样，并提供了多种抽样选项。以下是该方法的参数说明：
- n: 抽取的样本数量。如果未提供，则必须提供
frac。 - frac: 抽取的样本占总数据的比例（0 到 1 之间）。如果未提供，则必须提供
n。 - replace: 是否允许重复抽样，默认为 False（不重复）。
- weights: 抽样权重，可以是与
Series长度相同的数组或索引标签。默认为 None（等概率抽样）。 - random_state: 随机数生成器种子，确保结果可复现，默认为 None。
- axis: 指定抽样的轴，默认为 0（行），对于
Series可忽略。 - ignore_index: 如果为 True，则重置返回对象的索引，默认为 False。
示例及结果
示例 1：基本用法（按数量抽样）
import pandas as pd
# 创建一个简单的 Series
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print("原始 Series:")
print(s)
# 抽取 3 个样本
s_sampled = s.sample(n=3)
print("\n抽取 3 个样本后的 Series:")
print(s_sampled)
输出结果
原始 Series:
a 1
b 2
c 3
d 4
e 5
dtype: int64
抽取 3 个样本后的 Series:
b 2
a 1
e 5
dtype: int64
在这个例子中，我们使用 sample 方法从 Series 中随机抽取了 3 个样本。
示例 2：按比例抽样
# 按 40% 的比例抽样
s_sampled_frac = s.sample(frac=0.4, random_state=1)
print("\n按 40% 比例抽样后的 Series:")
print(s_sampled_frac)
输出结果
按 40% 比例抽样后的 Series:
c 3
b 2
dtype: int64
在这个例子中，我们使用 frac=0.4 来按 40% 的比例抽样，并通过设置 random_state=1 确保结果可复现。
示例 3：允许重复抽样
# 允许重复抽样并抽取 5 个样本
s_sampled_replace = s.sample(n=5, replace=True, random_state=1)
print("\n允许重复抽样并抽取 5 个样本后的 Series:")
print(s_sampled_replace)
输出结果
允许重复抽样并抽取 5 个样本后的 Series:
d 4
e 5
a 1
b 2
d 4
dtype: int64
在这个例子中，我们通过设置 replace=True 允许重复抽样，并抽取了 5 个样本。
示例 4：使用权重抽样
# 使用权重进行抽样
weights = [0.1, 0.2, 0.3, 0.2, 0.2]
s_sampled_weights = s.sample(n=3, weights=weights, random_state=1)
print("\n使用权重抽样后的 Series:")
print(s_sampled_weights)
输出结果
使用权重抽样后的 Series:
c 3
d 4
a 1
dtype: int64
在这个例子中，我们使用 weights 参数指定了每个元素的抽样权重，使得某些元素被抽中的概率更高。
示例 5：重置索引
# 抽样并重置索引
s_sampled_reset_index = s.sample(n=3, ignore_index=True)
print("\n抽样并重置索引后的 Series:")
print(s_sampled_reset_index)
输出结果
抽样并重置索引后的 Series:
0 4
1 2
2 5
dtype: int64
在这个例子中，我们通过设置 ignore_index=True 来重置返回对象的索引。
通过这些示例，您可以更好地理解如何使用 pandas.Series.sample 方法来从 Series 中随机抽取样本。
pandas.Series.set_axis
pandas.Series.set_axis 是一个用于设置 Series 对象的索引标签的方法。它允许用户根据提供的新标签来替换现有的索引。以下是该方法的参数说明：
- labels: 新的索引标签，可以是列表、数组或其他可迭代对象。
- axis: 指定要设置的轴，默认为 0（行），对于
Series可忽略。 - copy: 如果为 True，则返回一个新的副本；如果为 False，则就地修改数据，默认为 True。
示例及结果
示例 1：基本用法
import pandas as pd
# 创建一个简单的 Series
s = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
print("原始 Series:")
print(s)
# 使用 set_axis 方法设置新的索引标签
s_new_index = s.set_axis(['A', 'B', 'C'])
print("\n设置新索引标签后的 Series:")
print(s_new_index)
输出结果
原始 Series:
a 1
b 2
c 3
dtype: int64
设置新索引标签后的 Series:
A 1
B 2
C 3
dtype: int64
在这个例子中，我们使用 set_axis 方法将 Series 的索引从 ['a', 'b', 'c'] 更改为 ['A', 'B', 'C']。
示例 2：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)
print("\n原始 MultiIndex Series:")
print(s_multi)
# 设置新的 MultiIndex 标签
new_multi_index = pd.MultiIndex.from_tuples([('A', 'X'), ('B', 'Y'), ('C', 'Z')], names=['First', 'Second'])
s_multi_new_index = s_multi.set_axis(new_multi_index)
print("\n设置新 MultiIndex 标签后的 Series:")
print(s_multi_new_index)
输出结果
原始 MultiIndex Series:
first second
a x 1
b y 2
c z 3
dtype: int64
设置新 MultiIndex 标签后的 Series:
First Second
A X 1
B Y 2
C Z 3
dtype: int64
在这个例子中，我们使用 set_axis 方法将 MultiIndex 的标签从 [('a', 'x'), ('b', 'y'), ('c', 'z')] 更改为 [('A', 'X'), ('B', 'Y'), ('C', 'Z')]，并同时更新了级别名称。
示例 3：不创建副本
# 不创建副本，直接修改原 Series
s_no_copy = s.set_axis(['P', 'Q', 'R'], copy=False)
print("\n不创建副本后的 Series:")
print(s_no_copy)
输出结果
不创建副本后的 Series:
P 1
Q 2
R 3
dtype: int64
在这个例子中，我们通过设置 copy=False 来直接修改原 Series 的索引标签，而不创建新的副本。