|
方法说明 1、排序sort_values和ascending。 通过ascending参数来确定升序还是降序，True表示升序 2、空判断，isnull和notnull。 isnull（） - 判空 notnull（） - 判非空 3、缺失值处理，dropna和删除。 dropna（） 删除 4、统计基本信息describe（）。 实例 JavaScript >>> data
a 10b 11c 12d 13e 14dtype: int64>>> data.sort_values(ascending = False) #降序排序
e 14d 13c 12b 11a 10dtype: int64>>> data = pd.Series([100,200,np.nan,200,np.nan,400],list('abcdef')) #创建含有缺失值的对象>>> data
a 100.0b 200.0c NaNd 200.0e NaNf 400.0dtype: float64>>> data.isnull() #判空
a False
b False
c True
d False
e True
f False
dtype: bool>>> data.notnull() #判非空
a True
b True
c False
d True
e False
f True
dtype: bool>>> data.dropna() #删除缺失值
a 100.0b 200.0d 200.0f 400.0dtype: float64>>> data.fillna(data.mean()) #设置默认值为均值
a 100.0b 200.0c 225.0d 200.0e 225.0f 400.0dtype: float64>>> data.drop_duplicates() #去重
a 100.0b 200.0c NaNf 400.0dtype: float64>>> data.value_counts() #统计频率200.0 2100.0 1400.0 1dtype: int64>>> data.describe() #对数据进行基本统计，统计时自动去掉了缺失值
count 4.000000mean 225.000000std 125.830574min 100.00000025% 175.00000050% 200.00000075% 250.000000max 400.000000dtype: float64以上就是Python中Series常用方法整理，希望对大家有所帮助。 更多Python学习指路：python基础教程 |
|
|
