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。
Series.take(indices[, axis])	用于根据指定的位置索引（indices）从 Series 中提取元素
Series.tail([n])	用于返回 Series 的最后 n 行数据
Series.truncate([before, after, axis, copy])	用于截断 Series 或 DataFrame 的数据
Series.where(cond[, other, inplace, axis, level])	用于条件过滤和替换的函数

pandas.Series.where

pandas.Series.where 是 Pandas 库中用于条件过滤和替换的函数。它会根据给定的条件 cond 来保留满足条件的数据，对于不满足条件的数据可以进行替换或设置为缺失值（NaN）。该方法的具体参数如下：

• cond: 一个布尔 Series 或者一个返回布尔值的条件表达式，用于指定哪些元素应该被保留。
• other (可选): 当条件不满足时，用什么值来替换，默认是 NaN。
• inplace (可选): 是否在原 Series 上进行修改，默认是 False。
• axis (可选): 沿着哪个轴应用条件，对于 Series 可以忽略此参数。
• level (可选): 如果有 MultiIndex，可以在特定级别上应用条件。

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, 4, 5])# 使用 where 方法，保留大于 2 的值，其余位置用 -1 替换
result = s.where(s > 2, -1)print("原始 Series:")
print(s)
print("\n使用 where 方法后的 Series:")
print(result)

输出结果：

原始 Series:
0    1
1    2
2    3
3    4
4    5
dtype: int64使用 where 方法后的 Series:
0   -1
1   -1
2    3
3    4
4    5
dtype: int64

示例 2: 在原地修改

# 使用 inplace 参数直接在原 Series 上修改
s.where(s > 2, -1, inplace=True)print("修改后的 Series:")
print(s)

输出结果：

修改后的 Series:
0   -1
1   -1
2    3
3    4
4    5
dtype: int64

示例 3: 处理缺失值

# 创建一个包含 NaN 的 Series
s_with_nan = pd.Series([1, 2, None, 4, 5])# 使用 where 方法，保留非 NaN 的值，其余位置用 0 替换
result_with_nan = s_with_nan.where(pd.notna(s_with_nan), 0)print("原始 Series 包含 NaN:")
print(s_with_nan)
print("\n使用 where 方法处理 NaN 后的 Series:")
print(result_with_nan)

输出结果：

原始 Series 包含 NaN:
0    1.0
1    2.0
2    NaN
3    4.0
4    5.0
dtype: float64使用 where 方法处理 NaN 后的 Series:
0    1.0
1    2.0
2    0.0
3    4.0
4    5.0
dtype: float64

通过这些示例可以看到，pandas.Series.where 是一个非常灵活且强大的工具，适用于多种条件过滤和数据替换的场景。