Pandas Series
Atributos
| Atributo | Descrição |
|---|---|
at[n] |
Acesso ao valor na posição n |
attrs |
Retorna ditionario de atributos globais da series |
axes |
Retorna lista de labels do eixo das linhas |
dtype |
Retorna o tipo (dtype) dos objetos armazenados |
flags |
Lista as propriedades do objeto |
hasnans |
Informa se existem NaNs |
iat[n] |
Acesso ao valor na posição n inteiro |
iloc[n] |
Acesso ao valor na posição n inteiro |
index |
Retorna lista de índices |
index[n] |
Retorna índice na n-ésima posição |
is_monotonic |
Booleano: True se valores crescem de forma monotônica |
is_monotonic_decreasing |
Booleano: True se valores decrescem de forma monotônica |
is_unique |
Booleano: True se valores na series são únicos |
loc |
Acessa linhas e colunas por labels em array booleano |
name |
O nome da Series |
nbytes |
Número de bytes nos dados armazenados |
shape |
Retorna uma tuple com forma (dimensões) dos dados |
size |
Número de elementos nos dados |
values |
Retorna series como ndarray |
Métodos
| Método (sobre série s, outra s2) | Descrição |
|---|---|
s.abs() |
Retorna s com valor absoluto, e/e |
s.add(s2) |
Soma s com s2, e/e |
s.add_prefix('prefixo') |
Adiciona prefixo aos labels com string ‘prefixo’ |
s.add_suffix('sufixo') |
Adiciona sufixo aos labels com string ‘sufixo’ |
s.agg([func, axis]) |
Agrega usando func sobre o eixo especificado |
s.align(s2) |
Alinha 2 objetos em seus eixos usando método especificado |
s.all([axis, bool_only, skipna, level]) |
Booleano: se todos os elementos são True |
s.any([axis, bool_only, skipna, level]) |
Booleano: se algum elemento é True |
s.append(to_append[, ignore_index, …]) |
Concatena 2 ou mais Series |
s.apply(func[, convert_dtype, args]) |
Aplica func sobre os valores de s, e/e |
s.argmax([axis, skipna]) |
Posição (índice inteiro) do valor mais alto de s |
s.argmin([axis, skipna]) |
Posição (índice inteiro) do menor valor de s |
s.argsort([axis, kind, order]) |
Índices inteiros que ordenam valores da s |
s.asfreq(freq) |
Converte TimeSeries para frequência especificada. |
s.asof(where[, subset]) |
Último elemento antes da ocorrência de NaNs após ‘where’ |
s.astype(dtype[, copy, errors]) |
Transforma (cast) para dtype |
s.at_time(time[, asof, axis]) |
Seleciona valores em determinada hora (ex., 9:30AM) |
s.backfill([axis, inplace, limit, downcast]) |
Aliás para DataFrame.fillna() usando method=’bfill’ |
s.between(min, max) |
Booleana satisfazendo min <= s <= max, e/e |
s.between_time(inicio, fim) |
Seleciona valores com tempo entre inicio e fim |
s.bfill([axis, inplace, limit, downcast]) |
Alias para DataFrame.fillna() usando method=’bfill’ |
s.clip([min, max, axis, inplace]) |
Inclui apenas valores no intervalo |
s.combine(s2, func[, fill_value]) |
Combina a s com s2 ou escalar, usando func |
s.compare(s2[, align_axis, keep_shape, …]) |
Compara s com s2 exibindo differenças |
s.copy([deep]) |
Cópia do objeto s, índices e valores |
s.corr(s2) |
Correlação de s com s2, excluindo NaNs |
s.count([level]) |
Número de observações na s, excluindo NaN/nulls |
s.cov(s2[, min_periods, ddof]) |
Covariância da s, excluindo NaN/nulls |
s.cummax([axis, skipna]) |
Máximo cumulativo |
s.cummin([axis, skipna]) |
Mínimo cumulativo |
s.cumprod([axis, skipna]) |
Produto cumulativo |
s.cumsum([axis, skipna]) |
Soma cumulativa |
s.describe([percentiles, include, exclude, …]) |
Gera descrição estatística |
s.div(s2) |
Divisão (float) de s por s2, e/e |
s.divmod(s2) |
Divisão inteira e módulo de s por s2, e/e |
s.dot(s2) |
Produto interno entre a s e s2 |
s.drop([labels]) |
Retorna s com labels removidos |
s.drop_duplicates([keep, inplace]) |
Remove elementos duplicados de s |
s.dropna() |
Remove valores faltantes de s |
s.duplicated([keep]) |
Exibe valores duplicados na s |
s.eq(s2) |
Boleano, igualdade entre s e s2, e/e |
s.equals(s2) |
Booleano: True se s contém os mesmos elementos que s2 |
s.ewm([com, span, halflife, alpha, …]) |
Calcula exponencial com peso |
s.explode([ignore_index]) |
Transforma cada elemento de um objeto tipo lista em uma linha |
s.fillna([value, method, axis, inplace, …]) |
Substitui valores NA/NaN usando método especificado |
s.first(offset) |
Seleciona período inicial de uma série temporal usando offset. |
s.first_valid_index() |
Índice do primeiro valor não NA/null |
s.floordiv(s2) |
Divisão inteira da s por s2, e/e |
s.ge(s2) |
Booleana: maior ou igual entre s e s2, e/e |
s.get(key) |
Retorna item correspondente à key |
s.groupby([by, axis, level, as_index, sort, …]) |
Agrupa a s |
s.gt(s2[, level, fill_value, axis]) |
Booleana: se s é maior que s2, e/e |
s.head([n]) |
Retorna os n primeiros valores |
s.hist() |
Plota histograma da s usando matplotlib. |
s.idxmax([axis, skipna]) |
Label do item de maior valor |
s.idxmin([axis, skipna]) |
Label do item de menor valor |
s.interpolate([method, axis, limit, inplace, …]) |
Preenche valores NaN usando metodo de interpolação |
s.isin(valores) |
Booleano: se elementos da s estão contidos em valores |
s.isna() |
Booleano: se existem valores ausentes |
s.isnull() |
Booleano: se existem valores nulos |
s.item() |
Primeiro elemento dos dados como escalar do Python |
s.items() |
Iteração (lazy) sobre a tupla (index, value) |
s.iteritems() |
Iteração (lazy) sobre a tupla (index, value) |
s.keys() |
Alias de index |
s.kurt([axis, skipna, level, numeric_only]) |
Kurtosis imparcial |
s.kurtosis([axis, skipna, level, numeric_only]) |
Idem |
s.last(offset) |
Seleciona período final de uma série temporal usando offset |
s.last_valid_index() |
Índice do último valor não NA/null |
s.le(s2) |
Booleana: se s é menor ou igual a s2, e/e |
s.lt(s2[, level, fill_value, axis]) |
Booleana: se s é menor que s2, e/e |
s.mad([axis, skipna, level]) |
Desvio médio absoluto dos valores da s |
s.mask(cond[, s2, inplace, axis, level, …]) |
Substitui valores sob condição dada |
s.max([axis, skipna, level, numeric_only]) |
Valor máximo |
s.mean([axis, skipna, level, numeric_only]) |
Média dos valores |
s.median([axis, skipna, level, numeric_only]) |
Mediana dos valores |
s.memory_usage([index, deep]) |
Memória usada pela s |
s.min([axis, skipna, level, numeric_only]) |
Menor dos valores da s |
s.mod(s2[, level, fill_value, axis]) |
Módulo de s por s2, e/e |
s.mode([dropna]) |
Moda da s |
s.mul(s2[, level, fill_value, axis]) |
Multiplicação de s por s2, e/e |
s.multiply(s2[, level, fill_value, axis]) |
Multiplicação de s por s2, e/e |
s.ne(s2[, level, fill_value, axis]) |
Booleana: se s é diferente de s2, e/e |
s.nlargest([n, keep]) |
Retorna os n maiores elementos |
s.notna() |
Booleana: se existem valores não faltantes ou nulos |
s.notnull() |
Idem |
s.nsmallest([n, keep]) |
Retorna os n menores elementos |
s.nunique([dropna]) |
Retorna quantos elementos únicos existem na s |
s.pad([axis, inplace, limit, downcast]) |
O mesmo que DataFrame.fillna() usando method=’ffill’ |
s.plot |
O mesmo que pandas.plotting._core.PlotAccessor |
s.pop(i) |
Remove s[i] de s e retorna s[i] |
s.pow(s2) |
Exponential de s por s2, e/e |
s.prod([axis, skipna, level, numeric_only, …]) |
Produto dos elemetos da s |
s.product([axis, skipna, level, numeric_only, …]) |
Idem |
s.quantile([q, interpolation]) |
Valor no quantil dado |
s.ravel([order]) |
Retorna dados como um ndarray |
s.rdiv(s2[, level, fill_value, axis]) |
Divisão (float) de s por s2, e/e |
s.rdivmod(s2) |
Divisão inteira e módulo de s por s2, e/e |
s.reindex([index]) |
Ajusta a s ao novo índice |
s.reindex_like(s2[, method, copy, limit, …]) |
Série com índices em acordo com s2 |
s.rename([index, axis, copy, inplace, level, …]) |
Altera o nome (labels) dos índices |
s.reorder_levels(order) |
Reajusta níveis de índices usando order |
s.repeat(repeats[, axis]) |
Repete elementos da s |
s.replace([to_replace, value, inplace, limit, …]) |
Substitui valores em to_replace por value |
s.reset_index([level, drop, name, inplace]) |
Reinicializa índices |
s.rfloordiv(s2[, level, fill_value, axis]) |
Divisão inteira de s por s2, e/e |
s.rmod(s2[, level, fill_value, axis]) |
Modulo da divisão da s por s2, e/e |
s.rmul(s2[, level, fill_value, axis]) |
Multiplicação de s por s2, e/e |
s.round([n]) |
Arredonda valores da s para n casas decimais. |
s.rpow(s2[, level, fill_value, axis]) |
Exponential de s por s2, e/e |
s.rsub(s2[, level, fill_value, axis]) |
Subtração da s por s2, e/e |
s.rtruediv(serie[, level, fill_value, axis]) |
Divisão (float) de s por s2, e/e |
s.sample([n, frac, replace, weights, …]) |
Amostra randomizada de items da s |
s.searchsorted(value[, side, sorter]) |
Índices onde elementos devem ser inseridos para manter ordem |
s.sem([axis, skipna, level, ddof, numeric_only]) |
Erro padrão imparcial da média |
s.skew([axis, skipna, level, numeric_only]) |
Inclinação imparcial |
s.sort_index([axis, level, ascending, …]) |
Reorganiza s usando os índices |
s.sort_values([axis, ascending, inplace, …]) |
Reorganiza s usando seus valores |
s.std([axis, skipna, level, ddof, numeric_only]) |
Desvio padrão da amostra |
s.str |
Usa funções de string sobre s (se string). Ex. s.str.split(“-“) |
s.sub(s2) |
Subtração de s por s2, e/e |
s.subtract(serie) |
Idem |
s.sum([axis, skipna, level, numeric_only, …]) |
Soma dos valores da s |
s.tail([n]) |
Últimos n elementos |
s.to_clipboard([excel, sep]) |
Copia o object para o clipboard do sistema |
s.to_csv([path_or_buf, sep, na_rep, …]) |
Grava a s como arquivo csv |
s.to_dict() |
Converte s para dict {label ⟶ value} |
s.to_excel(excel_writer[, sheet_name, na_rep, …]) |
Grava s como uma planilha Excel |
s.to_frame([name]) |
Converte s em DataFrame |
s.to_hdf(path_or_buf, key[, mode, complevel, …]) |
Grava s em arquivo HDF5 usando HDFStore |
s.to_json([path_or_buf, orient, date_format, …]) |
Converte s em string JSON |
s.to_latex([buf, columns, col_space, header, …]) |
Renderiza objeto para LaTeX |
s.to_markdown([buf, mode, index, storage_options]) |
Escreve a s em formato Markdown (leia) |
s.to_numpy([dtype, copy, na_value]) |
Converte s em NumPy ndarray |
s.to_pickle(path[, compression, protocol, …]) |
Grava objeto serializado em arquivo Pickle |
s.to_sql(name, con[, schema, if_exists, …]) |
Grava elementos em forma de um database SQL |
s.to_string([buf, na_rep, float_format, …]) |
Constroi uma representação string da s |
s.tolist() |
Retorna uma lista dos valores |
s.to_list() |
idem |
s.transform(func[, axis]) |
Executa func sobre elementos de s |
s.truediv(s2) |
Divisão (float) de s por s2, e/e |
s.truncate([before, after, axis, copy]) |
Trunca a s antes e após índices dados |
s.unique() |
Retorna os valores da s, sem repetições |
s.update(s2) |
Modifica s usando valores de s2, usando índices iguais |
s.value_counts([normalize, sort, ascending, …]) |
Retorna s com a contagem de valores únicos |
s.var([axis, skipna, level, ddof, numeric_only]) |
Variância imparcial dos valores da s |
s.view([dtype]) |
Cria uma nova “view” da s |
s.where(cond[, serie, inplace, axis, level, …]) |
Substitui valores se a condição cond = True |
🔺Início do artigo
Bibliografia
Consulte a bibliografia no final do primeiro artigo dessa série.