Python酷库之旅-第三方库Pandas(059)

目录

一、用法精讲

226、pandas.Series.pad方法

226-1、语法

226-2、参数

226-3、功能

226-4、返回值

226-5、说明

226-6、用法

226-6-1、数据准备

226-6-2、代码示例

226-6-3、结果输出

227、pandas.Series.replace方法

227-1、语法

227-2、参数

227-3、功能

227-4、返回值

227-5、说明

227-6、用法

227-6-1、数据准备

227-6-2、代码示例

227-6-3、结果输出

228、pandas.Series.argsort方法

228-1、语法

228-2、参数

228-3、功能

228-4、返回值

228-5、说明

228-6、用法

228-6-1、数据准备

228-6-2、代码示例

228-6-3、结果输出

229、pandas.Series.argmin方法

229-1、语法

229-2、参数

229-3、功能

229-4、返回值

229-5、说明

229-6、用法

229-6-1、数据准备

229-6-2、代码示例

229-6-3、结果输出

230、pandas.Series.argmax方法

230-1、语法

230-2、参数

230-3、功能

230-4、返回值

230-5、说明

230-6、用法

230-6-1、数据准备

230-6-2、代码示例

230-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

226、pandas.Series.pad方法
226-1、语法
# 226、pandas.Series.pad方法
pandas.Series.pad(*, axis=None, inplace=False, limit=None, downcast=_NoDefault.no_default)
Fill NA/NaN values by propagating the last valid observation to next valid.Deprecated since version 2.0: Series/DataFrame.pad is deprecated. Use Series/DataFrame.ffill instead.Returns:
Series/DataFrame or None
Object with missing values filled or None if inplace=True.
226-2、参数

226-2-1、axis(可选,默认值为None)用于确定操作的轴,对于Series来说,它的作用不大,因为Series是一维的,通常不需要指定轴。

226-2-2、inplace(可选,默认值为False)如果设为True,则会在原地修改Series 对象而不是返回一个新的对象。

226-2-3、limit(可选,默认值为None)一个整数,指定填充的最大范围,即如果填充的连续缺失值超过这个限制,填充将会停止。

226-2-4、downcast(可选)用于控制数据类型的转换,通常情况下,你不需要设置这个参数,它在自动调整数据类型时会用到。

226-3、功能

        用于填充Series对象中的缺失值(例如NaN),使用前一个有效值进行填充,这在处理时间序列数据时特别有用,可以保持数据的连续性。

226-4、返回值

         返回一个Series对象,其中所有的缺失值都被填充为前一个有效值,如果inplace=True,则直接在原Series对象上修改,不返回新对象

226-5、说明

        与pandas.Series.ffill方法的功能相同。

226-6、用法
226-6-1、数据准备
226-6-2、代码示例
# 226、pandas.Series.pad方法
import pandas as pd
import numpy as np
# 创建一个包含缺失值的Series
s = pd.Series([1, np.nan, 3, np.nan, 5])
# 使用pad方法填充缺失值
result = s.pad()
print(result)
226-6-3、结果输出
# 226、pandas.Series.pad方法
# 0    1.0
# 1    1.0
# 2    3.0
# 3    3.0
# 4    5.0
# dtype: float64
227、pandas.Series.replace方法
227-1、语法
# 227、pandas.Series.replace方法
pandas.Series.replace(to_replace=None, value=_NoDefault.no_default, *, inplace=False, limit=None, regex=False, method=_NoDefault.no_default)
Replace values given in to_replace with value.Values of the Series/DataFrame are replaced with other values dynamically. This differs from updating with .loc or .iloc, which require you to specify a location to update with some value.Parameters:
to_replacestr, regex, list, dict, Series, int, float, or None
How to find the values that will be replaced.numeric, str or regex:numeric: numeric values equal to to_replace will be replaced with valuestr: string exactly matching to_replace will be replaced with valueregex: regexs matching to_replace will be replaced with valuelist of str, regex, or numeric:First, if to_replace and value are both lists, they must be the same length.Second, if regex=True then all of the strings in both lists will be interpreted as regexs otherwise they will match directly. This doesn’t matter much for value since there are only a few possible substitution regexes you can use.str, regex and numeric rules apply as above.dict:Dicts can be used to specify different replacement values for different existing values. For example, {'a': 'b', 'y': 'z'} replaces the value ‘a’ with ‘b’ and ‘y’ with ‘z’. To use a dict in this way, the optional value parameter should not be given.For a DataFrame a dict can specify that different values should be replaced in different columns. For example, {'a': 1, 'b': 'z'} looks for the value 1 in column ‘a’ and the value ‘z’ in column ‘b’ and replaces these values with whatever is specified in value. The value parameter should not be None in this case. You can treat this as a special case of passing two lists except that you are specifying the column to search in.For a DataFrame nested dictionaries, e.g., {'a': {'b': np.nan}}, are read as follows: look in column ‘a’ for the value ‘b’ and replace it with NaN. The optional value parameter should not be specified to use a nested dict in this way. You can nest regular expressions as well. Note that column names (the top-level dictionary keys in a nested dictionary) cannot be regular expressions.None:This means that the regex argument must be a string, compiled regular expression, or list, dict, ndarray or Series of such elements. If value is also None then this must be a nested dictionary or Series.See the examples section for examples of each of these.valuescalar, dict, list, str, regex, default None
Value to replace any values matching to_replace with. For a DataFrame a dict of values can be used to specify which value to use for each column (columns not in the dict will not be filled). Regular expressions, strings and lists or dicts of such objects are also allowed.inplacebool, default False
If True, performs operation inplace and returns None.limitint, default None
Maximum size gap to forward or backward fill.Deprecated since version 2.1.0.regexbool or same types as to_replace, default False
Whether to interpret to_replace and/or value as regular expressions. Alternatively, this could be a regular expression or a list, dict, or array of regular expressions in which case to_replace must be None.method{‘pad’, ‘ffill’, ‘bfill’}
The method to use when for replacement, when to_replace is a scalar, list or tuple and value is None.Deprecated since version 2.1.0.Returns:
Series/DataFrame
Object after replacement.Raises:
AssertionError
If regex is not a bool and to_replace is not None.TypeError
If to_replace is not a scalar, array-like, dict, or NoneIf to_replace is a dict and value is not a list, dict, ndarray, or SeriesIf to_replace is None and regex is not compilable into a regular expression or is a list, dict, ndarray, or Series.When replacing multiple bool or datetime64 objects and the arguments to to_replace does not match the type of the value being replacedValueError
If a list or an ndarray is passed to to_replace and value but they are not the same length.
227-2、参数

227-2-1、to_replace(可选,默认值为None)用于指定要被替换的值,可以是单个值、列表、字典、正则表达式等,该参数定义了要查找和替换的内容。

227-2-2、value(可选)用于指定替换to_replace中值的内容,可以是单个值、列表或字典,如果to_replace是字典,那么value必须也是字典。

227-2-3、inplace(可选,默认值为False)如果设为True,则直接在原Series对象上进行替换,而不是返回一个新的Series对象。

227-2-4、limit(可选,默认值为None)一个整数,指定最大替换次数,即如果替换的次数超过这个限制,替换将会停止。

227-2-5、regex(可选,默认值为False)如果设为True,to_replace被解释为正则表达式,并进行模式匹配替换。

227-2-6、method(可选)用于指定填充方法,如果使用了填充方法(如'ffill'或'bfill'),value和to_replace参数将被忽略。

227-3、功能

        用于将Series中的特定值替换为其他指定的值,这对于数据清洗和预处理特别有用。        

227-4、返回值

        返回一个Series对象,其中指定的值已经被替换,如果inplace=True,则直接在原Series对象上修改,不返回新对象。

227-5、说明

        无

227-6、用法
227-6-1、数据准备
227-6-2、代码示例
# 227、pandas.Series.replace方法
import pandas as pd
# 创建一个包含不同值的Series
s = pd.Series(['apple', 'banana', 'cherry', 'banana', 'apple'])
# 使用replace方法替换'banana'为'orange'
result = s.replace(to_replace='banana', value='orange')
print(result)
227-6-3、结果输出
# 227、pandas.Series.replace方法
# 0     apple
# 1    orange
# 2    cherry
# 3    orange
# 4     apple
# dtype: object
228、pandas.Series.argsort方法
228-1、语法
# 228、pandas.Series.argsort方法
pandas.Series.argsort(axis=0, kind='quicksort', order=None, stable=None)
Return the integer indices that would sort the Series values.Override ndarray.argsort. Argsorts the value, omitting NA/null values, and places the result in the same locations as the non-NA values.Parameters:
axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.kind
{‘mergesort’, ‘quicksort’, ‘heapsort’, ‘stable’}, default ‘quicksort’
Choice of sorting algorithm. See numpy.sort() for more information. ‘mergesort’ and ‘stable’ are the only stable algorithms.order
None
Has no effect but is accepted for compatibility with numpy.stable
None
Has no effect but is accepted for compatibility with numpy.Returns:
Series[np.intp]
Positions of values within the sort order with -1 indicating nan values.
228-2、参数

228-2-1、axis(可选,默认值为0)整数,指定轴进行排序,对于Series对象,该参数通常无效,因为Series是一维的,所以轴总是0。

228-2-2、kind(可选,默认值为'quicksort')字符串,指定排序算法,可选值包括:

  • 'quicksort':快速排序,默认值。
  • 'mergesort':归并排序,稳定的排序算法。
  • 'heapsort':堆排序,不稳定的排序算法。

228-2-3、order(可选,默认值为None)在DataFrame中用于指定排序的列顺序;对于Series对象,此参数通常没有作用。

228-2-4、stable(可选,默认值为None)是否使用稳定排序算法,稳定排序算法保持相等元素的原始相对顺序,若设置为True,会使用稳定排序算法,否则会使用不稳定排序算法。

228-3、功能

        返回的是一个与原Series具有相同长度的整数序列,这些整数表示元素在排序后的索引位置。换句话说,返回的序列中每个值是原序列中对应元素的排序位置。

228-4、返回值

        返回一个Series对象,其中包含原始Series中每个元素的排序索引。

228-5、说明

        无

228-6、用法
228-6-1、数据准备
228-6-2、代码示例
# 228、pandas.Series.argsort方法
import pandas as pd
s = pd.Series([3, 6, 5, 11, 10, 8, 10, 24])
sorted_indices = s.argsort()
print(sorted_indices)
228-6-3、结果输出
# 228、pandas.Series.argsort方法
# 0    0
# 1    2
# 2    1
# 3    5
# 4    4
# 5    6
# 6    3
# 7    7
# dtype: int64
229、pandas.Series.argmin方法
229-1、语法
# 229、pandas.Series.argmin方法
pandas.Series.argmin(axis=None, skipna=True, *args, **kwargs)
Return int position of the smallest value in the Series.If the minimum is achieved in multiple locations, the first row position is returned.Parameters:
axis
{None}
Unused. Parameter needed for compatibility with DataFrame.skipna
bool, default True
Exclude NA/null values when showing the result.*args, **kwargs
Additional arguments and keywords for compatibility with NumPy.Returns:
int
Row position of the minimum value.
229-2、参数

229-2-1、axis(可选,默认值为None)整数,指定轴进行排序,对于Series对象,该参数通常无效,因为Series是一维的,所以轴总是0。

229-2-2、skipna(可选,默认值为True)是否忽略缺失值(NaN),如果设置为True,则在寻找最小值时会跳过NaN值;如果为False,且存在NaN,则结果会是NaN。

229-2-3、*args(可选)其他位置参数,为后续扩展功能做预留。

229-2-4、**kwargs(可选)其他关键字参数,为后续扩展功能做预留。

229-3、功能

        返回的是Series中最小值的索引,如果Series中包含多个最小值,返回第一个最小值的索引。

229-4、返回值

        返回一个整数值,表示最小值在原始Series中的索引位置。

229-5、说明

        无

229-6、用法
229-6-1、数据准备
229-6-2、代码示例
# 229、pandas.Series.argmin方法
import pandas as pd
import numpy as np
s = pd.Series([3, 1, 2, np.nan, 4])
min_index = s.argmin()
print(min_index)
229-6-3、结果输出
# 229、pandas.Series.argmin方法
# 1
230、pandas.Series.argmax方法
230-1、语法
# 230、pandas.Series.argmax方法
pandas.Series.argmax(axis=None, skipna=True, *args, **kwargs)
Return int position of the largest value in the Series.If the maximum is achieved in multiple locations, the first row position is returned.Parameters:
axis
{None}
Unused. Parameter needed for compatibility with DataFrame.skipna
bool, default True
Exclude NA/null values when showing the result.*args, **kwargs
Additional arguments and keywords for compatibility with NumPy.Returns:
int
Row position of the maximum value.
230-2、参数

230-2-1、axis(可选,默认值为None)整数,指定轴进行排序,对于Series对象,该参数通常无效,因为Series是一维的,所以轴总是0。

230-2-2、skipna(可选,默认值为True)是否忽略缺失值(NaN),如果设置为True,则在寻找最小值时会跳过NaN值;如果为False,且存在NaN,则结果会是NaN。

230-2-3、*args(可选)其他位置参数,为后续扩展功能做预留。

230-2-4、**kwargs(可选)其他关键字参数,为后续扩展功能做预留。

230-3、功能

        返回的是Series中最大值的索引,如果Series中包含多个最大值,返回第一个最大值的索引。

230-4、返回值

        返回一个整数值,表示最大值在原始Series中的索引位置。

230-5、说明

        无

230-6、用法
230-6-1、数据准备
230-6-2、代码示例
# 230、pandas.Series.argmax方法
import pandas as pd
import numpy as np
s = pd.Series([3, 1, 4, np.nan, 2])
max_index = s.argmax()
print(max_index)
230-6-3、结果输出
# 230、pandas.Series.argmax方法
# 2

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/389126.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

最强开源模型 Llama 3.1 部署推理微调实战大全

目录 引言一、Llama 3.1简介二、Llama 3.1性能评估三、Llama 3.1模型推理实战1、环境准备2、安装依赖3、模型下载4、模型推理 四、Llama 3.1模型微调实战1、数据集准备2、导入依赖包3、读取数据集4、处理数据集5、定义模型6、Lora配置7、配置训练参数8、开始Trainer训练9、合并…

什么是负责任的人工智能

「AI秘籍」系列课程: 人工智能应用数学基础人工智能Python基础人工智能基础核心知识人工智能BI核心知识人工智能CV核心知识AI 进阶:企业项目实战 可直接在橱窗里购买,或者到文末领取优惠后购买: 拥有权利的同时也被赋予了重大的…

Modbus通讯协议

Modbus通讯协议 Modbus协议是一种用于电子控制器之间的通信协议,‌它允许不同类型的设备之间进行通信,‌以便进行数据交换和控制。‌Modbus协议最初为可编程逻辑控制器(‌PLC)‌通信开发,‌现已广泛应用于工业自动化领…

详细分析nohup后台运行命令

目录 1. 基本知识2. Demo 1. 基本知识 Unix/Linux 命令,用于在后台运行程序,并确保它在用户退出或注销后继续运行 nohup 的主要作用是使程序在终端会话结束后继续运行,这对需要长时间执行的任务特别有用 基本的用法如下: nohu…

3.1 拓扑排序

有向图的存储 邻接矩阵 邻接表 拓扑排序 有向无环图:不存在环的有向图 环: 在有向图中,从一个节点出发,最终回到它自身的路径被称为环 入度: 以节点x为终点的有向边的条数被称为x的入度 出度: 以节…

哈默纳科HarmonicDrive谐波减速机的使用寿命计算

在机械传动系统中,减速机的应用无处不在,而HarmonicDrive哈默纳科谐波减速机以其独特的优势,如轻量、小型、传动效率高、减速范围广、精度高等特点,成为了众多领域的选择。然而,任何机械设备都有其使用寿命&#xff0c…

数据集成是什么意思?方法有哪些?数据集成三种方法介绍

1 数据集成是什么 数据集成(Data Intergration),也称为数据整合,是通过将分布式环境中的异构数据集成起来,为用户提供统一透明的数据访问方式。该定义中的集成是指从整体层面上维护数据的一致性,并提高对数据的利用和共享&#x…

【Redis 进阶】事务

Redis 的事务和 MySQL 的事务概念上是类似的,都是把一系列操作绑定成一组,让这一组能够批量执行。 一、Redis 的事务和 MySQL 事务的区别 1、MySQL 事务 原子性:把多个操作打包成一个整体。(要么全都做,要么都不做&am…

用 Python 编写的井字游戏

一.介绍 在本文中,我将向您展示如何使用 Python 创建一个非常简单的井字游戏。 井字游戏是一种非常简单的双人游戏。因此每次只能有两个玩家玩。该游戏也称为井字游戏或 Xs 和 Os 游戏。一个玩家玩 X,另一个玩家玩 O。在这个游戏中,我们有一…

树组件 el-tree 数据回显

树组件 el-tree 数据回显 树型结构的数据回显问题&#xff1a; 这里我只放了核心代码&#xff0c;主要是如何获取选中的树节点的id集合和如何根据树节点的id集合回显数据 大家根据需要自行更改&#xff01; <el-tree ref"authorityRef" node-key"id" …

SSH访问控制:精确管理你的服务器门户

“ 在数字世界中&#xff0c;服务器的安全性是任何网络管理员的首要任务。特别是对于远程登录协议如SSH&#xff0c;确保只有授权用户可以访问是至关重要的。 今天&#xff0c;记录两种有效的方法来控制用户对特定服务器的访问&#xff1a;通过sshd_config实现黑/白名单机制和利…

【Python】pandas:替换值、添加行/列,删除行/列,更改形状(含数据透视表)

pandas是Python的扩展库&#xff08;第三方库&#xff09;&#xff0c;为Python编程语言提供 高性能、易于使用的数据结构和数据分析工具。 pandas官方文档&#xff1a;User Guide — pandas 2.2.2 documentation (pydata.org) 帮助&#xff1a;可使用help(...)查看函数说明文…

前端面试宝典【HTML篇】【4】

欢迎来到《前端面试宝典》,这里是你通往互联网大厂的专属通道,专为渴望在前端领域大放异彩的你量身定制。通过本专栏的学习,无论是一线大厂还是初创企业的面试,都能自信满满地展现你的实力。 核心特色: 独家实战案例:每一期专栏都将深入剖析真实的前端面试案例,从基础知…

【区块链+绿色低碳】山东邹平:区块链生态环境监管平台 | FISCO BCOS应用案例

山东省滨州市生态环境局邹平分局通过实地考察和调研发现&#xff0c;执法大队在执法工作中存在各排污企业设备系统无 法互通、终端采集数据固证难且可信度低、环境执法电子证据采集规则与司法采信标准不统一等痛点。而区块链 的分布式记账、不易篡改性和智能合约自动执行机制&a…

【源码+文档+调试讲解】学生党务学习系统的设计与实现

摘 要 如今社会上各行各业&#xff0c;都喜欢用自己行业的专属软件工作&#xff0c;互联网发展到这个时候&#xff0c;人们已经发现离不开了互联网。新技术的产生&#xff0c;往往能解决一些老技术的弊端问题。因为传统大学生党务学习平台信息管理难度大&#xff0c;容错率低&…

前端技术回顾系列 14 | 总结 + Vue 3.x 必修课

欢迎关注公众号&#xff1a;CodeFit 创作不易&#xff0c;如果你觉得这篇文章对您有帮助&#xff0c;请不要忘了 点赞、分享 和 关注&#xff0c;为我的 持续创作 提供 动力&#xff01; 1. 回顾系列的初衷和目标 在六月初&#xff0c;我开始编写 「前端技术回顾系列 2024」&a…

C++基础知识:构造函数的分类和调用,有参构造和无参构造,有参构造和无参构造,三种调用方式:括号法,显示法,隐式转换法,以及相关代码演示和注意事项

1.构造函数的分类及调用: 2.两种分类方式: 按参数分为: 有参构造和无参构造 按类型分为:有参构造和无参构造 3.三种调用方式: 括号法 显示法 隐式转换法 2.调用方法代码演示 1.括号法代码演示&#xff1a; #include<iostream>using namespace std;//1.构造函数的分类和…

8、springboot3 vue3开发平台-后端-使用aop 添加系统访问日志

1. 添加依赖&#xff0c; 创建数据库 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-aop</artifactId></dependency><!-- IP地址解析 --><dependency><groupId>org.lionsou…

1000W长连接,如何建立和维护?千万用户IM 架构设计

1000W长连接&#xff0c;如何建立和维护&#xff1f;千万用户IM 架构设计 在40岁老架构师 尼恩的读者交流群(50)中&#xff0c;最近有小伙伴拿到了一线互联网企业如得物、阿里、滴滴、极兔、有赞、希音、百度、网易、美团的面试资格&#xff0c;遇到很多很重要的架构类/设计类…

【Vulnhub靶场AI-WEB-1.0打靶教程】

第一步&#xff1a;查看虚拟机的ip 第二步&#xff1a;扫描ip下开放的80端口 第三步&#xff1a;扫描查到的ip地址下的目录 第四步&#xff1a;访问查到的目录 访问robot.txt 第五步:访问robot.txt显示出的目录 第六步&#xff1a;打开kali终端&#xff0c;使用sqlmap功能 sq…