03_Series常用方法
Series = 表的列 (Column),数据库中的一列数据加上行号,本质是带索引的一维数组 + 数据库列的属性
head()查看前n行数据，默认5行
isin(列表/集合) 元素是否包含在参数集合中,NaN 和 None 永远不匹配（isin 不认空值）
isna() 判断每个元素是不是【空值】（ 是不是空值？（NaN / None → True））
sum()求和，自动忽略NaN/None空值，只加有效数字。
mean() 只用非空数值求平均值，默认自动忽略缺失值；设置 skipna=False 时，含空值整体直接返回 NaN
min() 最小值
max() 最大值
var()方差
std() 标准差=方差开平方根,真实的平均波动距离（和原数据单位一样）
median() 把数据从小到大排序，取中间值,默认 skipna=True：自动忽略 NaN、None
偶数中间两个数相加除以 2,奇数直接取正中间那一个数mode() 众数（一组数据里出现次数最多的数），，
可以有一个或多个众数（如果有多个值出现的频率相同且都是最高频率）返回的是Series，
它不是单个数值，自动忽略 NaN/Nonequantile(q,interpolation)指定位置的分位数
importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt''' Series = 表的列 (Column),数据库中的一列数据加上行号,本质是带索引的一维数组 + 数据库列的属性 '''seriesData=pd.Series([11,22,np.nan,None,44,22],index=['a','b','c','d','e','f'])print("seriesData初始化数据:\n",seriesData)print()defdoSeriesMethodV1():# head() 查看前n行数据，默认5行print("head()查看前n行数据，默认5行\n",seriesData.head())# tail() 查看后n行数据，默认5行# 略# isin(列表/集合) 元素是否包含在参数集合中,NaN 和 None 永远不匹配（isin 不认空值）print("isin()元素是否包含在参数集合中:\n",seriesData.isin([11,22]))# isna() 判断每个元素是不是【空值】（ 是不是空值？（NaN / None → True））print("isna()判断每个元素是不是【空值】:\n",seriesData.isna())# sum()求和，自动忽略NaN/None空值，只加有效数字。print("sum()只累加有效数字求和（自动忽略NaN/None空值）:\n",seriesData.sum())# mean() 只用非空数值求平均值，默认自动忽略缺失值；设置 skipna=False 时，含空值整体直接返回 NaNprint("mean()只用非空数值求平均值（总和：99，有效个数：4 平均值：99÷4=24.75）:\n",seriesData.mean())# min() 最小值 略# max() 最大值 略print()# 样本方差（N-1） VS 总体方差 N# series.var() 默认 ddof=1（除以 N-1），是样本方差，用来用抽样样本估算总体方差，# 减去 1 是为了修正「样本均值自带偏差」，实现无偏估计；设 ddof=0 才是除以 N 的总体方差# var() 波动大小（平方级）,默认样本方差（除以 n-1） 自动忽略 NaN / None# 方差是衡量数据波动大小、离散程度。数值越分散 → 方差越大# 非空数值：11, 22, 44, 22，有效个数：4个 平均值：99÷4=24.75# 每个数与平均值的差的平方 (11-24.75)² = 189.0625|(22-24.75)² = 7.5625|(44-24.75)² = 370.5625|(22-24.75)² = 7.5625# 样本方差（默认）总和574.75 ➗ (4-1) = 574.75 / 3 = 191.58333333333334print("var()方差:\n",seriesData.var())# 191.5833... （样本方差，ddof=1）# std() 标准差=方差开平方根,真实的平均波动距离（和原数据单位一样）print("std()标准差:\n",seriesData.std())# 13.8414... （样本标准差，方差的平方根）# median() 把数据从小到大排序，取中间值,默认 skipna=True：自动忽略 NaN、None# 偶数中间两个数相加除以 2,奇数直接取正中间那一个数print("median()中位数:\n",seriesData.median())# mode() 众数（一组数据里出现次数最多的数），，# 可以有一个或多个众数（如果有多个值出现的频率相同且都是最高频率）返回的是Series，# 它不是单个数值，自动忽略 NaN/Noneprint("mode()众数，出现次数最多的值:\n",seriesData.mode())# quantile(q,interpolation)指定位置的分位数# 数据排序后在q%位置上的数值, 分位数可以不是原始数据，它是按比例算出来的 “位置值”,自动忽略 NaN/None# 参数说明：# q：要算的分位数（0 到 1 之间的浮点数或浮点数列表）# quantile(0.25) = 1/4 位置# quantile(0.5) = 中位数# quantile(0.75) = 3/4 位置# interpolation：插值方式（怎么算中间位置），最常用 3 种# 3.1 linear（默认）线性插值，最常用# 3.2 midpoint（取中间两个数的平均值（纯中位数）# 3.3 nearest（取最近的那个数)# 案例说明# Pandas 默认位置公式：pos=(n−1)×q：quantile(q, interpolation='linear')''' 过程分析： 计算 quantile(0.25) = 0.25 分位数,推导过程 1)位置 = (4 - 1) × 0.25 = 3 × 0.25 = 0.75 2)位置 0.75 在哪里？ 排序数据： 索引 0 → 11 索引 1 → 22 索引 2 → 22 索引 3 → 44 0.75 在 0 和 1 之间 低位：索引 0 → 11 高位：索引 1 → 22 位置是 0.75，意思是：从 索引0（值11） 往 索引 1（值22） 走 75% 的距离 3) 默认线性插值计算 结果 = 低位 + (高位 - 低位) × 小数部分 = 11 + (22 - 11) × 0.75 = 11 + 11 × 0.75 = 11 + 8.25 = 19.25 4) 结论： 上面19.25 和数据有什么关系？ 一句话：分位数不是从数据里直接挑数字，而是按位置比例算出来的 “分界值”。它可以不在原始数据里！ 把 4 个数字排好想象成一条线： 11 ---- 19.25 ---- 22 ------ 22 ------ 44 0.25 分位数 = 整条数据从左数 25% 位置的值，这个位置刚好落在 11 和 22 之间，所以算出来是 19.25。 '''print("quantile(0.25):\n",seriesData.quantile(0.25))# 19.25print("quantile(0.5):\n",seriesData.quantile(0.5))# 22.0print("quantile(0.5,interpolation='midpoint'):\n",seriesData.quantile(0.5,interpolation='midpoint'))# 22.0''' 计算 quantile(0.75) = 0.75 分位数,推导过程 1)位置 = (4 - 1) × 0.75 = 3 × 0.75 = 2.25 2)位置 2.25 在哪里？ 排序数据： 索引 0 → 11 索引 1 → 22 索引 2 → 22 索引 3 → 44 位置 2.25 在坑位 2 和 3 之间 低位：索引 2 → 22 高位：索引 3 → 44 整数部分：2 小数部分：0.25 3) 线性插值计算 结果 = 低位 + (高位 - 低位) × 小数部分 = 22 + (44 - 22) × 0.25 = 22 + 22×0.25 = 27.5 '''print("quantile(0.75):\n",seriesData.quantile(0.75))# 27.5defdoSeriesMethodV2():# describe() 常见统计信息，一键统计汇总print("describe()统计信息:\n",seriesData.describe())# value_counts() 每个元素的个数print("value_counts()每个元素的个数:\n",seriesData.value_counts())# count() 非缺失值元素的个数，如果要包含缺失值，用len()print("count()非缺失值元素的个数:\n",seriesData.count())# drop_duplicates() 去重print("drop_duplicates()去重:\n",seriesData.drop_duplicates())# unique() 去重后的数组print("unique()去重后的数组:\n",seriesData.unique())# nunique() 统计【不重复的非空元素】有多少个,如果你想把 NaN 也算进去加参数 dropna=Falseprint("nunique()不重复的非空元素个数:\n",seriesData.nunique())# sample() 随机打乱顺序抽样:从 Series 里随机抽几条数据,空值 NaN/None 也会参与抽样，不会自动过滤# 参数：random_state=任意整数：种子固定，抽样永远一样数字随便选print("sample()随机抽样:\n",seriesData.sample())print("sample(random_state=42)：固定种子 → 每次抽样结果完全一样可复现:\n",seriesData.sample(random_state=42))# sort_index() 按索引排序print("sort_index()按索引排序:\n",seriesData.sort_index())# sort_values() 按值排序print("sort_values()按值排序:\n",seriesData.sort_values())# replace (旧值，新值) = 全局替换数据里的值，不会修改原数据，只返回新的 Seriesprint("replace()单个替换值:\n",seriesData.replace(11,99))print("replace()替换NaN空值:\n",seriesData.replace(np.nan,-1))defdoSeriesMethodV3():# to_frame() 把一维的 Series 转成二维的 DataFrameprint("to_frame()Series 变 DataFrame:\n",seriesData.to_frame(name="自定义列名：积分反馈"))# equals() 判断两个 Series 是否完全一模一样（值、索引、顺序、空值都要一样）equals() 遇到 NaN 会认为相等s1=pd.Series([11,22,np.nan,44,22])s2=pd.Series([11,22,np.nan,44,22])print("equals()判断两个 Series 是否完全一模一样:\n",s1.equals(s2))# keys() 获取 Series 的索引（行号）print("keys()获取 Series 的索引（行号）:\n",seriesData.keys())print("keys()获取 Series 的索引（行号）和 .index 功能一致:\n",seriesData.index)print("*"*50)# corr() 计算两个 Series 之间的【相关系数】,两个 Series 长度必须一样,自动忽略 NaN（不会报错）# 说人话：看两个变量是不是 “一起变”，corr 看方向 + 强弱（最常用）它在 -1 到 1 之间，可比较# 相关系数是什么(范围：-1 ～ 1)# 默认使用皮尔逊相关系数（Pearson correlation coefficient）来计算相关性。# 参与比较的数组元素类型都是数值型。# 接近 -1：一涨一跌 → 负相关（你涨我跌）# 接近 0：没啥关系 → 无相关# 接近 1：同涨同跌 → 正相关# 案例计算相关系数s1=pd.Series([1,2,3,4,5])s2=pd.Series([11,22,33,44,55])print("s1.corr(s2)计算接近 1：同涨同跌 → 正相关:\n",s1.corr(s2))s1=pd.Series([1,2,3,4,5])# s1 递增：1→2→3→4→5s2=pd.Series([50,40,30,20,10])# s2 递减：50→40→30→20→10print("s1.corr(s2)计算接近-1：一涨一跌 → 负相关（你涨我跌）:\n",s1.corr(s2))print("*"*50)# cov()协方差，计算两个 Series 的【协方差】，自动忽略空值，两个 Series 长度必须一样# 说人话：看两个变量变动方向是否一致cov只看方向，协方差大小没意义，只看正负号！# 【协方差】无范围（可正可负，可大可小），cov协方差只看正负号判断方向#正数：一起变大、一起变小（正相关）#负数：一个变大、一个变小（负相关）#0：不一起动# 案例说明，cov() VS corr() 对比见代码笔记最后s1=pd.Series([1,2,3,4,5])s2=pd.Series([11,22,33,44,55])print("口诀：协方差看方向（±），相关系数看强弱（-1 到 1）")print("s1.cov(s2)协方差=27.5 > 0 → 正相关（同涨同跌）:\n",s1.cov(s2))print("corr()计算接近 1：同涨同跌 → 正相关:\n",s1.corr(s2))# hist() 绘制直方图，用于展示数据的分布情况。它将数据划分为若干个区间（也称为 “bins”）并统计每个区间内数据的频数。需要安装matplotlib包# bins=区间个数，默认是10，越多柱子越细,自动把你的数值范围平均切成10个柱子#数据少的时候，很多柱子会是空的（正常现象）数据多、分布广时，10个柱子刚好能看清分布seriesData.hist(bins=10)# 改颜色seriesData.hist(color='blue')# 横轴：数值区间 | 纵轴：每个区间里有多少个数据 |一眼看出：数据集中在哪个范围、有没有偏态plt.show()print("*"*50)# items() 循环拿每一行的 (索引，值),for 循环逐行读取 index 和 value# 循环遍历 index 和 valueforindex,valueinseriesData.items():print(f"items()方法演示，索引：{index}，值：{value}")if__name__=='__main__':doSeriesMethodV1()# doSeriesMethodV2()# doSeriesMethodV3()''' 对比总结 方法 名字 取值范围 作用 cov() 协方差 无范围（可正可负，可大可小） 看方向（同不同步） corr() 相关系数 -1 ~ 1 看方向 + 强度（标准化后的值） '''