Python酷库之旅-第三方库Pandas(041)

目录

一、用法精讲

136、pandas.Series.ne方法

136-1、语法

136-2、参数

136-3、功能

136-4、返回值

136-5、说明

136-6、用法

136-6-1、数据准备

136-6-2、代码示例

136-6-3、结果输出

137、pandas.Series.eq方法

137-1、语法

137-2、参数

137-3、功能

137-4、返回值

137-5、说明

137-6、用法

137-6-1、数据准备

137-6-2、代码示例

137-6-3、结果输出

138、pandas.Series.product方法

138-1、语法

138-2、参数

138-3、功能

138-4、返回值

138-5、说明

138-6、用法

138-6-1、数据准备

138-6-2、代码示例

138-6-3、结果输出

139、pandas.Series.dot方法

139-1、语法

139-2、参数

139-3、功能

139-4、返回值

139-5、说明

139-6、用法

139-6-1、数据准备

139-6-2、代码示例

139-6-3、结果输出

140、pandas.Series.apply方法

140-1、语法

140-2、参数

140-3、功能

140-4、返回值

140-5、说明

140-6、用法

140-6-1、数据准备

140-6-2、代码示例

140-6-3、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

136、pandas.Series.ne方法
136-1、语法
# 136、pandas.Series.ne方法
pandas.Series.ne(other, level=None, fill_value=None, axis=0)
Return Not equal to of series and other, element-wise (binary operator ne).Equivalent to series != other, but with support to substitute a fill_value for missing data in either one of the inputs.Parameters:
other
Series or scalar value
level
int or name
Broadcast across a level, matching Index values on the passed MultiIndex level.fill_value
None or float value, default None (NaN)
Fill existing missing (NaN) values, and any new element needed for successful Series alignment, with this value before computation. If data in both corresponding Series locations is missing the result of filling (at that location) will be missing.axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.Returns:
Series
The result of the operation.
136-2、参数

136-2-1、other(必须)：表示要与Series中每个元素进行比较的对象，可以是一个标量值或另一个Series。

136-2-2、level(可选，默认值为None)：用于指定多重索引的级别。当Series拥有多层索引时使用。

136-2-3、fill_value(可选，默认值为None)：当other和Series之间存在缺失值时，可以使用这个值来填充缺失部分，帮助确保比较的完整性。

136-2-4、axis(可选，默认值为0)：该参数在比较Series时通常不需要指定，因为Series只有一个维度。

136-3、功能

        用于比较Series中每个元素与另一个值或另一Series的方法，具体功能是返回一个布尔型Series，指示每个元素是否不等于提供的值。

136-4、返回值

        返回一个布尔型Series，指示每个元素是否不等于所提供的other值。

136-5、说明

        使用场景：

136-5-1、数据筛选：可以用.ne()方法在处理数据时筛选出不满足特定条件的行。

136-5-2、条件判断：适用于数据分析中需要实施不相等比较的场景。

136-6、用法
136-6-1、数据准备
无
136-6-2、代码示例
# 136、pandas.Series.ne方法
# 136-1、与一个标量进行比较
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
result = s.ne(3)
print(result, end='\n\n')# 136-2、与另一个Series进行比较
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
s2 = pd.Series([2, 3, 4, 5, 6])
result2 = s.ne(s2)
print(result2)
136-6-3、结果输出
# 136、pandas.Series.ne方法
# 136-1、与一个标量进行比较
# 0     True
# 1     True
# 2    False
# 3     True
# 4     True
# dtype: bool# 136-2、与另一个Series进行比较
# 0    True
# 1    True
# 2    True
# 3    True
# 4    True
# dtype: bool
137、pandas.Series.eq方法
137-1、语法
# 137、pandas.Series.eq方法
pandas.Series.eq(other, level=None, fill_value=None, axis=0)
Return Equal to of series and other, element-wise (binary operator eq).Equivalent to series == other, but with support to substitute a fill_value for missing data in either one of the inputs.Parameters:
other
Series or scalar value
level
int or name
Broadcast across a level, matching Index values on the passed MultiIndex level.fill_value
None or float value, default None (NaN)
Fill existing missing (NaN) values, and any new element needed for successful Series alignment, with this value before computation. If data in both corresponding Series locations is missing the result of filling (at that location) will be missing.axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.Returns:
Series
The result of the operation.
137-2、参数

137-2-1、other(必须)：表示要与Series中每个元素进行比较的值，可以是标量(单一值)或另一个Series。

137-2-2、level(可选，默认值为None)：用于指定多重索引的级别，当Series拥有多层索引时使用。

137-2-3、fill_value(可选，默认值为None)：当other和Series之间存在缺失值时，可以使用这个值来填充缺失部分，以便进行更全面的比较。

137-2-4、axis(可选，默认值为0)：对于Series来说，这个参数通常不需要设置，因为Series只有一个维度。

137-3、功能

        用于比较Series中每个元素与另一个值或另一Series的方法，该方法会返回一个布尔型Series，指示每个元素是否等于提供的值。

137-4、返回值

        返回一个布尔型Series，表明每个元素是否等于所提供的other值。

137-5、说明

        使用场景：

137-5-1、数据筛选：可以用于从数据集中筛选出满足特定条件的行。

137-5-2、条件判断：在数据分析中常用于检查一个Series中的值是否等于某个标准。

137-6、用法
137-6-1、数据准备
无
137-6-2、代码示例
# 137、pandas.Series.eq方法
# 137-1、与一个标量进行比较
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
result = s.eq(3)
print(result, end='\n\n')# 137-2、与另一个Series进行比较
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
s2 = pd.Series([2, 3, 4, 4, 5])
result2 = s.eq(s2)
print(result2)
137-6-3、结果输出
# 137、pandas.Series.eq方法
# 137-1、与一个标量进行比较
# 0    False
# 1    False
# 2     True
# 3    False
# 4    False
# dtype: bool# 137-2、与另一个Series进行比较
# 0    False
# 1    False
# 2    False
# 3     True
# 4     True
# dtype: bool
138、pandas.Series.product方法
138-1、语法
# 138、pandas.Series.product方法
pandas.Series.product(axis=None, skipna=True, numeric_only=False, min_count=0, **kwargs)
Return the product of the values over the requested axis.Parameters:
axis{index (0)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.WarningThe behavior of DataFrame.prod with axis=None is deprecated, in a future version this will reduce over both axes and return a scalar To retain the old behavior, pass axis=0 (or do not pass axis).New in version 2.0.0.skipnabool, default True
Exclude NA/null values when computing the result.numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.min_countint, default 0
The required number of valid values to perform the operation. If fewer than min_count non-NA values are present the result will be NA.**kwargs
Additional keyword arguments to be passed to the function.Returns:
scalar or scalar
138-2、参数

138-2-1、axis(可选，默认值为None)：对于Series，这个参数通常不需要设置，因为Series只有一个维度。

138-2-2、skipna(可选，默认值为True)：如果设为True，则在计算乘积时会忽略缺失值(NaN)；如果设为False，并且Series中存在任何缺失值，那么结果将会是NaN。

138-2-3、numeric_only(可选，默认值为False)：如果设为True，则仅对数值类型的数据进行乘积计算，非数值类型的数据将被忽略。

138-2-4、min_count(可选，默认值为0)：指定在计算乘积时，能够计算的最小非缺失值数量。如果实际的非缺失值数量小于这个值，则结果将是NaN。例如，如果min_count=2，而只有一个非缺失值，那么结果将会是NaN。

138-2-5、**kwargs(可选)：其他关键字参数，不常用，通常可以省略。

138-3、功能

        用于计算Series中所有元素的乘积。

138-4、返回值

        返回计算得到的乘积，可以是标量值，表示Series中所有元素的乘积。

138-5、说明

        使用场景：

138-5-1、财务计算：经常用于计算投资收益、销售总额等。

138-5-2、数据分析：用于聚合数据，进行统计业务分析时，可以求得总的量级

138-6、用法
138-6-1、数据准备
无
138-6-2、代码示例
# 138、pandas.Series.product方法
# 138-1、计算乘积
import pandas as pd
# 创建一个示例Series
s = pd.Series([1, 2, 3, 4])
product_result = s.product()
print(product_result, end='\n\n')# 138-2、忽略NaN进行乘积计算
import pandas as pd
# 包含NaN值的Series
s_with_nan = pd.Series([1, 2, None, 4])
product_with_nan = s_with_nan.product(skipna=True)
print(product_with_nan, end='\n\n')# 138-3、不忽略NaN进行乘积计算
import pandas as pd
# 包含NaN值的Series
s_with_nan = pd.Series([1, 2, None, 4])
product_with_nan_inclusive = s_with_nan.product(skipna=False)
print(product_with_nan_inclusive, end='\n\n')# 138-4、使用numeric_only
import pandas as pd
s_mixed = pd.Series([1, 'a', 3, 4])
numeric_series = s_mixed[pd.to_numeric(s_mixed, errors='coerce').notnull()]
numeric_product = numeric_series.prod()
print(numeric_product)
138-6-3、结果输出
# 138、pandas.Series.product方法
# 138-1、计算乘积
# 24# 138-2、忽略NaN进行乘积计算
# 8.0# 138-3、不忽略NaN进行乘积计算
# nan# 138-4、使用numeric_only
# 12
139、pandas.Series.dot方法
139-1、语法
# 139、pandas.Series.dot方法
pandas.Series.dot(other)
Compute the dot product between the Series and the columns of other.This method computes the dot product between the Series and another one, or the Series and each columns of a DataFrame, or the Series and each columns of an array.It can also be called using self @ other.Parameters:
other
Series, DataFrame or array-like
The other object to compute the dot product with its columns.Returns:
scalar, Series or numpy.ndarray
Return the dot product of the Series and other if other is a Series, the Series of the dot product of Series and each rows of other if other is a DataFrame or a numpy.ndarray between the Series and each columns of the numpy array.
139-2、参数

139-2-1、other(必须)：表示另一个Series或类似对象，它应该与调用该方法的Series具有相同的索引，如果other是一个标量，则结果将是标量乘以Series中的每个值。

139-3、功能

        用于计算两个Series对象之间的点积(内积)，该方法对于数值计算非常有用，尤其是在处理矢量和数学运算时。

139-4、返回值

        返回一个标量，表示两个Series之间的点积。如果Series的索引不匹配，方法将根据索引进行对齐，并仅计算匹配的部分。

139-5、说明

        使用场景：

139-5-1、数学和统计分析：经常用于计算向量的点积，常见于机器学习和数据分析中的特征计算。

139-5-2、线性代数：在处理矩阵和线性方程组时，也可以使用这个方法进行计算。

139-6、用法
139-6-1、数据准备
无
139-6-2、代码示例
# 139、pandas.Series.dot方法
import pandas as pd
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['a', 'b', 'c'])
dot_product = s1.dot(s2)
print(dot_product)
139-6-3、结果输出
# 139、pandas.Series.dot方法
# 32 （1*4 + 2*5 + 3*6 = 32）
140、pandas.Series.apply方法
140-1、语法
# 140、pandas.Series.apply方法
pandas.Series.apply(func, convert_dtype=_NoDefault.no_default, args=(), *, by_row='compat', **kwargs)
Invoke function on values of Series.Can be ufunc (a NumPy function that applies to the entire Series) or a Python function that only works on single values.Parameters:
funcfunction
Python function or NumPy ufunc to apply.convert_dtypebool, default True
Try to find better dtype for elementwise function results. If False, leave as dtype=object. Note that the dtype is always preserved for some extension array dtypes, such as Categorical.Deprecated since version 2.1.0: convert_dtype has been deprecated. Do ser.astype(object).apply() instead if you want convert_dtype=False.argstuple
Positional arguments passed to func after the series value.by_rowFalse or “compat”, default “compat”
If "compat" and func is a callable, func will be passed each element of the Series, like Series.map. If func is a list or dict of callables, will first try to translate each func into pandas methods. If that doesn’t work, will try call to apply again with by_row="compat" and if that fails, will call apply again with by_row=False (backward compatible). If False, the func will be passed the whole Series at once.by_row has no effect when func is a string.New in version 2.1.0.**kwargs
Additional keyword arguments passed to func.Returns:
Series or DataFrame
If func returns a Series object the result will be a DataFrame.
140-2、参数

140-2-1、func(必须)：表示要应用的函数，可以是自定义的函数或NumPy的一些函数。

140-2-2、convert_dtype(可选)：用于指示是否在应用函数后转换返回值的数据类型。

140-2-3、args(可选，默认值为'()')：一个元组，传递给函数的额外位置参数。

140-2-4、by_row(可选，默认值为'compat')：指示按行应用还是按列应用，通常不需要修改此参数。

140-2-5、**kwargs(可选)：其他关键字参数，将传递给函数func。

140-3、功能

        用于将给定的函数应用于Series中的每个元素，该方法可以用于数据转换、数据清洗或特定的计算任务。

140-4、返回值

        返回一个Series，其中包含函数func应用于原始Series中每个元素的结果。

140-5、说明

        使用场景：

140-5-1、数据清洗：对于数据中的特定值进行转换或清理。

140-5-2、自定义计算：应用复杂的计算条件。

140-5-3、数据格式化：对数据进行格式化或转换为另一种类型。

140-6、用法
140-6-1、数据准备
无
140-6-2、代码示例
# 140、pandas.Series.apply方法
# 140-1、使用apply方法应用函数
# 定义一个简单的函数
import pandas as pd
# 创建一个示例Series
s = pd.Series([1, 2, 3, 4, 5])
def square(x):return x ** 2
result = s.apply(square)
print(result, end='\n\n')# 140-2、使用lambda函数
# 定义一个简单的函数
import pandas as pd
# 创建一个示例Series
s = pd.Series([1, 2, 3, 4, 5])
def square(x):return x ** 2
result_lambda = s.apply(lambda x: x + 10)
print(result_lambda, end='\n\n')# 140-3、使用额外的参数
# 定义一个简单的函数
import pandas as pd
# 创建一个示例Series
s = pd.Series([1, 2, 3, 4, 5])
def square(x):return x ** 2
def multiply(x, factor):return x * factor
result_with_args = s.apply(multiply, args=(10,))
print(result_with_args)
140-6-3、结果输出
# 140、pandas.Series.apply方法
# 140-1、使用apply方法应用函数
# 0     1
# 1     4
# 2     9
# 3    16
# 4    25
# dtype: int64# 140-2、使用lambda函数
# 0    11
# 1    12
# 2    13
# 3    14
# 4    15
# dtype: int64# 140-3、使用额外的参数
# 0    10
# 1    20
# 2    30
# 3    40
# 4    50
# dtype: int64

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.mzph.cn/pingmian/49291.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩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

医疗信息化之PACS系统源码，C#医学影像系统源码，成熟在用稳定运中

医疗信息化之PACS系统源码，C#医学影像系统源码，成熟在用稳定运中

C#语言开发的一套PACS系统源码，C/S架构，成熟稳定，多家大型综合医院应用案例。自主版权，支持二次开发，授权后可商用。 医学影像存储与传输系统是针对数据库存储、传输服务、图像处理进行了优化,存储更安全、传输更稳定、…
阅读更多...
Ethernet/IP转CC-Link IEFB协议转化网关（通讯解决方案）

Ethernet/IP转CC-Link IEFB协议转化网关（通讯解决方案）

怎么样把Ethernet/IP和CC-Link IEFB网络通讯连接起来呢?最近有很多朋友咨询这个问题，在这里统一为大家详细说明一下。其实有一个设备可以很轻松地解决这个问题，名为YC-EIP-TCP，下面是详细信息。 一，设备主要功能 1、YC-EIP-CCL…
阅读更多...
ios 15-16手机绕过ssl验证（抓取app上的https包）

ios 15-16手机绕过ssl验证（抓取app上的https包）

绕过ssl验证的基本流程 前提概要：为什么你的charles抓不了https包 ios 越狱ios rootful安装ios 越狱商店sileo安装substitute越狱商店安装SSL Kill Switch3 全流程坑点巨多，博主亲身踩坑，务必按着步骤来 准备工作 type b to c 的数据线苹果…
阅读更多...
【ffmpeg命令入门】实现画中画

【ffmpeg命令入门】实现画中画

文章目录 前言画中画是什么画中画的外观描述效果展示为什么要用画中画应用场景示例 使用FFmpeg添加画中画示例命令参数解释调整嵌入视频的位置调整嵌入视频的大小处理音频 总结 前言 FFmpeg 是一款强大的多媒体处理工具，广泛用于音视频的录制、转换和流处理。它不仅…
阅读更多...
Dockerfile制作部署wordpress-6.6

Dockerfile制作部署wordpress-6.6

目录 一. 环境准备 二. 准备对应的配置文件 三. 编写Dockerfile 四. 构建镜像 五. 配置MySQL 六. 安装wordpress 七. 扩展 一. 环境准备 localhost192.168.226.25 rocky_linux9.4 Docker version 27.0.3 关闭防火墙和selinux，进行时间同步。 安装docker…
阅读更多...
IDEA打开终端报错Cannot open Local Terminal命令行功能

IDEA打开终端报错Cannot open Local Terminal命令行功能

idea项目中不能打开命令行功能 IDEA打开终端报错Cannot open Local Terminal 意思是打开命令行发生错误 idea上配置shell终端，命令行页面 打开右上角 File–> setting–> Tools–> 终端 找到Shell 路径 文本框中原本是是powershell.exe，现在…
阅读更多...
SpringSecurity如何正确的设置白名单

SpringSecurity如何正确的设置白名单

在SpringSecurity中,往往需要对部分接口白名单访问,而大部分在使用Security中就有一个误区,那就是免鉴权访问和白名单的区别。 大部分的Security文章包括官方文档给出免鉴权访问都是使用.permitAll()去对相应路径进行免鉴权访问,但实际上这仅仅只表示该资源不需要相应的权限访问…
阅读更多...
【云原生】Kubernetes 中的 PV 和 PVC 介绍、原理、用法及实战案例分析

【云原生】Kubernetes 中的 PV 和 PVC 介绍、原理、用法及实战案例分析

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯，先赞后看哦~🎈🎈 🏆 作者简介：景天科技苑 🏆《头衔》：大厂架构师，华为云开发者社区专家博主，…
阅读更多...
FPGA与ASIC：深入解析芯片设计的双子星

FPGA与ASIC：深入解析芯片设计的双子星

前言 在半导体世界里，FPGA（Field-Programmable Gate Array，现场可编程门阵列）与ASIC（Application-Specific Integrated Circuit，专用集成电路）是两种截然不同的芯片设计策略，各自在…
阅读更多...
Facebook的创新之路：科技驱动的社交革命

Facebook的创新之路：科技驱动的社交革命

Facebook自2004年创立以来，已经从一个大学校园内的社交网站发展成为全球最大的社交媒体平台。其成功的背后，不仅仅是广泛的用户基础和高效的运营模式，更在于其不断推进的技术创新。本文将探讨Facebook在技术创新方面的诸多努力，如…
阅读更多...
C#入门与精通

C#入门与精通

C#精通 本文章主要是对于学习C#基础难点进行学习以及与java语言的不同点，详细学习可见官网：https://dotnet.microsoft.com/en-us/learn 文章目录 C#精通VSVS基本设置 C#是什么C#程序控制台输出变量内插占位符C#foreach循环类型转换操作数组内置方法格式设…
阅读更多...
Python爬虫（5） --爬取网页视频

Python爬虫（5） --爬取网页视频

文章目录 爬虫爬取视频指定url发送请求UA伪装请求页面 获取想要的数据解析定位定位音视频位置 存放视频完整代码实现总结 爬虫 Python 爬虫是一种自动化工具，用于从互联网上抓取网页数据并提取有用的信息。Python 因其简洁的语法和丰富的库支持（如 requ…
阅读更多...
数据结构--二叉树详解

数据结构--二叉树详解

一，概念 1，结点的度：一个结点含有子树的个数称为该结点的度 2， 树的度：一棵树中，所有结点度的最大值称为树的度； 3，叶子结点或终端结点：度为0的结点称为叶结点&#x…
阅读更多...
go语言Gin框架的学习路线(十一)

go语言Gin框架的学习路线(十一)

目录 GORM的CRUD教程 更新操作 更新所有字段 更新指定字段 使用 Select 和 Omit 更新 无 Hooks 更新 批量更新 删除操作 删除记录 批量删除 软删除 物理删除 示例代码 GORM的CRUD教程 CRUD 是 "Create, Read, Update, Delete"（创建、查询、…
阅读更多...
新手小白的pytorch学习第八弹------分类问题模型和简单预测

新手小白的pytorch学习第八弹------分类问题模型和简单预测

目录 1 启动损失函数和优化器2 训练模型创建训练和测试循环 3 预测和评估模型 这篇是接着新手小白的pytorch学习第七弹------分类问题模型这一篇的，代码也是哟~ 1 启动损失函数和优化器 对于我们的二分类问题，我们经常使用 binary cross entropy 作为损…
阅读更多...
机器视觉系列之【硬件知识】-工业相机（四）

机器视觉系列之【硬件知识】-工业相机（四）

目录 几个高频面试题目 工业彩色相机如何调节白平衡解决偏色问题 算法原理 多光谱成像技术和相机选型 多光谱相机技术 选择多光谱成像相机技术时的主要考虑因素 智慧工厂机器视觉感知与控制 1 智慧工厂与机器视觉检测控制技术 2 智慧工厂机器视觉感知与控制 基于机器视…
阅读更多...
详解yolov5和yolov8以及目标检测相关面试

详解yolov5和yolov8以及目标检测相关面试

一、与yoloV4相比，yoloV5的改进 输入端：在模型训练阶段，使用了Mosaic数据增强、自适应锚框计算、自适应图片缩放基准网络：使用了FOCUS结构和CSP结构Neck网络：在Backbone和最后的Head输出层之间插入FPN_PAN结构Head输出…
阅读更多...
[NOIP2009 提高组] 最优贸易（含代码题解）

[NOIP2009 提高组] 最优贸易（含代码题解）

[NOIP2009 提高组] 最优贸易 题目描述 C C C 国有 n n n 个大城市和 m m m 条道路，每条道路连接这 n n n 个城市中的某两个城市。任意两个城市之间最多只有一条道路直接相连。这 m m m 条道路中有一部分为单向通行的道路，一部分为双向通行的道路&am…
阅读更多...
NLP-使用Word2vec实现文本分类

NLP-使用Word2vec实现文本分类

Word2Vec模型通过学习大量文本数据，将每个单词表示为一个连续的向量，这些向量可以捕捉单词之间的语义和句法关系。本文做文本分类是结合Word2Vec文本内容text，预测其文本标签label。以下使用mock商品数据的代码实现过程过下： 1、…
阅读更多...
JMeter的使用方法

JMeter的使用方法

软件安装： 参考链接：JMeter 下载安装及环境配置（包含jdk1.8安装及配置）_jmeter5.2.1需要什么版本的jdk-CSDN博客 前置知识储备： JMeter的第一个案例 增加线程数 线程（thread）是操作系统能够进…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023