Python酷库之旅-第三方库Pandas(040)

# 131、pandas.Series.round方法
pandas.Series.round(decimals=0, *args, **kwargs)
Round each value in a Series to the given number of decimals.

Parameters:
decimals
int, default 0
Number of decimal places to round to. If decimals is negative, it specifies the number of positions to the left of the decimal point.

*args, **kwargs
Additional arguments and keywords have no effect but might be accepted for compatibility with NumPy.

Returns:
Series
Rounded values of the Series.

131-2、参数

131-2-1、decimals(可选，默认值为0)：int或者dict，这是要四舍五入到的小数位数。如果提供int，则相同的四舍五入规则会适用于所有元素；如果提供字典，则字典的键是索引，值是要四舍五入到的小数位数。

131-2-2、*args/**kwargs(可选)：位置/关键字参数，但在pandas.Series.round()的标准用法中，这些参数并不直接用于四舍五入操作。它们可能是为了保持与NumPy数组方法的兼容性而存在的，但在pandas.Series.round()的典型使用中通常不需要(除非未来版本中有所变化)。

131-3、功能

用于四舍五入Series中元素的方法，该方法可以根据指定的小数位数对每个元素进行四舍五入，从而得到一个新的Series。

131-4、返回值

返回一个新的Series对象，其中包含了四舍五入后的数据。

131-5、说明

无

131-6、用法

131-6-1、数据准备

无

131-6-2、代码示例

# 131、pandas.Series.round方法
# 131-1、统一设置小数点后的位数
import pandas as pd
# 示例Series
s = pd.Series([1.1234, 2.5678, 3.9876, 4.4321])
# 四舍五入到小数点后两位
rounded_s = s.round(decimals=2)
print(rounded_s, end='\n\n')

# 131-2、差异化设置小数点后的位数
import pandas as pd
# 示例Series
s = pd.Series([1.1234, 2.5678, 3.9876, 4.4321])
# 分别对每个元素应用不同的小数位数
rounded_s_diff = pd.Series([
    round(s[0], 1),  # 对第一个元素保留1位小数
    round(s[1], 0),  # 对第二个元素保留0位小数
    round(s[2], 3),  # 对第三个元素保留3位小数
    round(s[3], 2)   # 对第四个元素保留2位小数
])
print(rounded_s_diff)

131-6-3、结果输出

# 131、pandas.Series.round方法
# 131-1、统一设置小数点后的位数
# 0    1.12
# 1    2.57
# 2    3.99
# 3    4.43
# dtype: float64

# 131-2、差异化设置小数点后的位数
# 0    1.100
# 1    3.000
# 2    3.988
# 3    4.430
# dtype: float64

132、pandas.Series.lt方法

132-1、语法

# 132、pandas.Series.lt方法
pandas.Series.lt(other, level=None, fill_value=None, axis=0)
Return Less than of series and other, element-wise (binary operator lt).

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.

132-2、参数

132-2-1、other(必须)：表示另一个用于比较的Series、标量值或可以广播的结构。

132-2-2、level(可选，默认值为None)：如果要比较的是一个多层索引的Series，可以指定比较的层级。

132-2-3、fill_value(可选，默认值为None)：用于填充缺失值的值，在比较时如果有缺失值，可以用指定的fill_value进行替代。

132-2-4、axis(可选，默认值为0)：仅在与DataFrame比较时有用，通常为0，表示按行比较。

132-3、功能

用于比较一个Series中的元素是否小于另一个Series或单个值，并返回一个布尔型的Series。

132-4、返回值

返回一个布尔型Series，其中的值表示Series中的元素是否满足小于的条件。

132-5、说明

无

132-6、用法

132-6-1、数据准备

无

132-6-2、代码示例

# 132、pandas.Series.lt方法
import pandas as pd
# 创建一个Series
s1 = pd.Series([3, 6, 5, 11])
s2 = pd.Series([8, 10, 3, 24])
# 使用lt方法比较两个Series
result = s1.lt(s2)
print(result)

132-6-3、结果输出

# 132、pandas.Series.lt方法
# 0     True
# 1     True
# 2    False
# 3     True
# dtype: bool

133、pandas.Series.gt方法

133-1、语法

# 133、pandas.Series.gt方法
pandas.Series.gt(other, level=None, fill_value=None, axis=0)
Return Greater than of series and other, element-wise (binary operator gt).

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.

133-2、参数

133-2-1、other(必须)：表示另一个用于比较的Series、标量值或可以广播的结构。

133-2-2、level(可选，默认值为None)：如果要比较的是一个多层索引的Series，可以指定用于比较的层级。

133-2-3、fill_value(可选，默认值为None)：用于填充缺失值的值，在比较时如果有缺失值，可以用指定的fill_value进行替代。

133-2-4、axis(可选，默认值为0)：仅在与DataFrame比较时有用，通常为0，表示按行进行比较。

133-3、功能

用于比较一个Series中的元素是否大于另一个Series或单个值，并返回一个布尔型的Series。

133-4、返回值

返回一个布尔型Series，其中的值表示Series中的元素是否满足大于的条件。

133-5、说明

无

133-6、用法

133-6-1、数据准备

无

133-6-2、代码示例

# 133、pandas.Series.gt方法
import pandas as pd
# 创建一个Series
s1 = pd.Series([3, 6, 5, 11])
s2 = pd.Series([8, 10, 3, 24])
# 使用gt方法比较两个Series
result = s1.gt(s2)
print(result)

133-6-3、结果输出

# 133、pandas.Series.gt方法
# 0    False
# 1    False
# 2     True
# 3    False
# dtype: bool

134、pandas.Series.le方法

134-1、语法

# 134、pandas.Series.le方法
pandas.Series.le(other, level=None, fill_value=None, axis=0)
Return Less than or equal to of series and other, element-wise (binary operator le).

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.

134-2、参数

134-2-1、other(必须)：表示另一个Series、标量值或可以广播的结构，用于进行比较。

134-2-2、level(可选，默认值为None)：如果比较的是一个多层索引的Series，可以指定用于比较的层级。

134-2-3、fill_value(可选，默认值为None)：用于填充缺失值的值，如果有缺失值在比较时会用该值进行替代。

134-2-4、axis(可选，默认值为0)：仅在与DataFrame比较时使用，通常为0，表示按行比较。

134-3、功能

用于比较一个Series中的元素是否小于或等于另一个Series或单个值，并返回一个布尔型的Series。

134-4、返回值

返回一个布尔型Series，每个值表示Series中的元素是否满足小于或等于的条件。

134-5、说明

无

134-6、用法

134-6-1、数据准备

无

134-6-2、代码示例

# 134、pandas.Series.le方法
import pandas as pd
# 创建一个Series
s1 = pd.Series([3, 6, 10, 11])
s2 = pd.Series([8, 5, 10, 24])
# 使用le方法比较两个Series
result = s1.le(s2)
print(result)

134-6-3、结果输出

# 134、pandas.Series.le方法
# 0     True
# 1    False
# 2     True
# 3     True
# dtype: bool

135、pandas.Series.ge方法

135-1、语法

# 135、pandas.Series.ge方法
pandas.Series.ge(other, level=None, fill_value=None, axis=0)
Return Greater than or equal to of series and other, element-wise (binary operator ge).

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.

135-2、参数

135-2-1、other(必须)：可以是一个单一的标量值或另一个Series，表示要与Series中的每个元素进行比较的对象。

135-2-2、level(可选，默认值为None)：用于指定多重索引的级别，当Series是多层索引时使用。

135-2-3、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，它通常用于确保比较的完整性。

135-2-4、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。

135-3、功能

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

135-4、返回值

返回一个布尔型Series，指示每个元素是否大于或等于所提供的other值。

135-5、说明

无

135-6、用法

135-6-1、数据准备

无

135-6-2、代码示例

# 135、pandas.Series.ge方法
# 135-1、创建一个示例Series
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
# 与一个标量进行比较
result = s.ge(3)
print(result, end='\n\n')

# 135-2、创建一个示例Series
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
# 与另一个Series进行比较
s2 = pd.Series([2, 3, 4, 5, 6])
result2 = s.ge(s2)
print(result2)

135-6-3、结果输出

# 135、pandas.Series.ge方法
# 135-1、创建一个示例Series
# 0    False
# 1    False
# 2     True
# 3     True
# 4     True
# dtype: bool

# 135-2、创建一个示例Series
# 0    False
# 1    False
# 2    False
# 3    False
# 4    False
# dtype: bool

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

原文地址：https://blog.csdn.net/ygb_1024/article/details/140574373

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！

上一篇：0-1 架构问题集合
下一篇：代码随想录——打家劫舍（Leetcode198）

深入理解一致性算法：保障分布式系统的可靠基石
一致性算法是保障分布式系统可靠运行的关键技术之一。通过本文的介绍，我们了解了一致性算法的重要性、常见类型、工作原理、实际应用以及性能优化等方面的知识。在实际应用中，我们需要根据具体的业务需求和系统特点
阅读更多2024-11-09
GEE代码学习 day18
在这里，我们可以看到，低百分位合成图像描绘了较暗、低反射率的陆地特征，例如水和云或山丘阴影，而较高百分位数的合成图像（在我们的示例中> 70%）描绘了云以及与明亮反射率值对应的任何其他大气或陆地
阅读更多2024-11-09
鸿蒙的进击之路
为什么要写鸿蒙，因为她是华为的，为什么是华为就要写，因为华为背负了国人太多太多的包袱，或点赞或抨击。我是强烈支持华为的，但我会客观公正地去评价华为的产品，就比如这篇博文，要写的是华为鸿蒙系统的进击之路
阅读更多2024-11-09
目录树文件名映射深度1分组计数,tree(映射(目录A))
xxx
阅读更多2024-11-09
Java：数据结构-枚举
枚举概念：将一组常量组织起来，在这之前表示一组常量通常使用定义常量的方式。public static final int RED = 1; public static final int GREE
阅读更多2024-11-09
【数据结构与算法】第9课—数据结构之二叉树(链式结构)
2为底，n+1为对数，n为二叉树节点数。
阅读更多2024-11-09
C++虚继承演示
编译器不知道访问的A中的元素是经过B继承还是C继承。所以B、C在继承A时要用到虚继承virtual。是因为在继承时A出现两条分支：ABD、ACD。这种情况，B和C都继承了A，D继承了B、C。
阅读更多2024-11-09
重塑产研生态：AI技术如何驱动程序员与团队的协同进化
软件研发，这一看似由无数行代码堆砌而成的领域，实则蕴含着一条精密的流水线，它包括了需求分析、架构设计、详细设计、代码开发、质量保证以及部署发版这六大核心环节，每一环都紧密相连，共同驱动着软件产品的诞生
阅读更多2024-11-09
可视化建模与UML《顺序图实验报告》
旷野的规则是永不回头。
阅读更多2024-11-09
Swift 开发教程系列 - 第10章：泛型
泛型（Generics）是一种强大的特性，允许你编写灵活且可重用的代码，适用于多种类型，而无需重复编写代码。泛型在 Swift 中的应用非常广泛，适用于函数、结构体、枚举和类。通过本章的学习，你将掌握
阅读更多2024-11-09