Series
构造函数
Series([data, index, dtype, name, copy, …])：带轴标签的一维ndarray（包括时间序列）.
属性
Axes
Series.index：系列的索引（轴标签）
Series.values：返回系列为ndarray或ndarray-like取决于dtype
Series.dtype：返回基础数据的dtype对象
Series.ftype：如果数据稀疏则返回
Series.shape：返回基础数据形状的元组
Series.nbytes：返回基础数据中的字节数
Series.ndim：根据定义1，返回基础数据的维数
Series.size：返回基础数据中的元素数量
Series.strides：返回基础数据的步幅
Series.itemsize：返回基础数据项的dtype的大小
Series.base：如果共享基础数据的内存，则返回基础对象
Series.T：返回转置，根据定义自我
Series.memory_usage([index, deep])：返回Series的内存使用情况。
Series.hasnans：如果我有任何nans，我会回来; 实现各种性能加速
Series.flags：
Series.empty：
Series.dtypes：返回基础数据的dtype对象
Series.ftypes：如果数据稀疏则返回
Series.data：返回基础数据的数据指针
Series.is_copy：
Series.name：
Series.put(*args, **kwargs)：将put方法应用于其values属性（如果有）
转换
Series.astype(dtype[, copy, errors])：将pandas对象转换为指定的dtypedtype。
Series.infer_objects()：尝试推断对象列的更好的dtypes。
Series.convert_objects([convert_dates, …])：（DEPRECATED）尝试推断对象列的更好dtype。
Series.copy([deep])：复制此对象的索引和数据。
Series.bool()：返回单个元素PandasObject的bool。
Series.to_period([freq, copy])：将Series从DatetimeIndex转换为具有所需频率的PeriodIndex（如果未传递，则从索引推断）
Series.to_timestamp([freq, how, copy])：在期间开始时转换为时间戳的datetimedex
Series.tolist()：返回值列表。
Series.get_values()：与值相同（但处理稀疏转换）; 是一种观点
索引, 迭代
Series.get(key[, default])：从给定键的对象获取项目（DataFrame列，Panel切片等）。
Series.at：访问行/列标签对的单个值。
Series.iat：按整数位置访问行/列对的单个值。
Series.loc：通过标签或布尔数组访问一组行和列。
Series.iloc：纯粹基于整数位置的索引，用于按位置选择。
Series.__iter__()：返回值的迭代器。
Series.iteritems()：懒惰地迭代（索引，值）元组
Series.items()：懒惰地迭代（索引，值）元组
Series.keys()：索引的别名
Series.pop(item)：返回项目并从框架中删除。
Series.item()：将基础数据的第一个元素作为python标量返回
Series.xs(key[, axis, level, drop_level])：返回Series / DataFrame的横截面（行或列）。
For more information on .at, .iat, .loc, and .iloc, see the indexing documentation
二元运算符函数
Series.add(other[, level, fill_value, axis])：添加系列和其他元素（二元运算符添加）。
Series.sub(other[, level, fill_value, axis])：减去序列和其他元素（二元运算符子）。
Series.mul(other[, level, fill_value, axis])：系列和其他的乘法，元素（二元运算符mul）。
Series.div(other[, level, fill_value, axis])：系列和其他的浮动划分，元素方式（二元算子truediv）。
Series.truediv(other[, level, fill_value, axis])：系列和其他的浮动划分，元素方式（二元算子truediv）。
Series.floordiv(other[, level, fill_value, axis])：系列和其他的整数除法，元素方式（二元运算符floordiv）。
Series.mod(other[, level, fill_value, axis])：系列和其他的模数，元素方式（二元运算符mod）。
Series.pow(other[, level, fill_value, axis])：系列和其他元素的指数幂（二元运算符pow）。
Series.radd(other[, level, fill_value, axis])：添加系列和其他元素（二元运算符radd）。
Series.rsub(other[, level, fill_value, axis])：减去序列和其他元素（二元运算符rsub）。
Series.rmul(other[, level, fill_value, axis])：系列和其他的乘法，元素（二元运算符rmul）。
Series.rdiv(other[, level, fill_value, axis])：系列和其他的浮动划分，元素方式（二元算子rtruediv）。
Series.rtruediv(other[, level, fill_value, axis])：系列和其他的浮动划分，元素方式（二元算子rtruediv）。
Series.rfloordiv(other[, level, fill_value, …])：系列和其他的整数除法，元素方式（二元运算符rfloordiv）。
Series.rmod(other[, level, fill_value, axis])：系列和其他的模数，元素方式（二元运算符rmod）。
Series.rpow(other[, level, fill_value, axis])：系列和其他元素的指数幂（二元运算符rpow）。
Series.combine(other, func[, fill_value])：当一个系列或另一个系列中缺少索引时，使用给定函数对两个系列执行元素二进制运算，并带有可选填充值
Series.combine_first(other)：组合系列值，首先选择调用Series的值。
Series.round([decimals])：将系列中的每个值舍入到给定的小数位数。
Series.lt(other[, level, fill_value, axis])：少于系列和其他元素（二元运算符lt）。
Series.gt(other[, level, fill_value, axis])：大于系列和其他元素（二元运算符gt）。
Series.le(other[, level, fill_value, axis])：小于或等于系列等，逐元素（二元运算乐）。
Series.ge(other[, level, fill_value, axis])：大于或等于系列和其他元素（二元运算符ge）。
Series.ne(other[, level, fill_value, axis])：不等于系列和其他元素（二元运算符ne）。
Series.eq(other[, level, fill_value, axis])：等于系列和其他元素（二元运算符eq）。
Series.product([axis, skipna, level, …])：返回请求轴的值的乘积
Series.dot(other)：矩阵乘法与DataFrame或内部产品与Series对象。
Function application, GroupBy & Window
Series.apply(func[, convert_dtype, args])：调用Series的值的函数。
Series.agg(func[, axis])：使用指定轴上的一个或多个操作进行聚合。
Series.aggregate(func[, axis])：使用指定轴上的一个或多个操作进行聚合。
Series.transform(func, *args, **kwargs)：调用函数生成类似索引的NDFrame并返回带有转换值的NDFrame
Series.map(arg[, na_action])：使用输入对应（字典，系列或函数）映射Series的值。
Series.groupby([by, axis, level, as_index, …])：使用mapper（dict或key函数，将给定函数应用于组，将结果作为系列返回）或通过一系列列的组系列。
Series.rolling(window[, min_periods, …])：提供滚动窗口计算。
Series.expanding([min_periods, center, axis])：提供扩展转换。
Series.ewm([com, span, halflife, alpha, …])：提供指数加权函数
Series.pipe(func, *args, **kwargs)：应用func（self，* args，** kwargs）
计算/ 描述性统计
Series.abs()：返回具有每个元素的绝对数值的Series / DataFrame。
Series.all([axis, bool_only, skipna, level])：返回是否所有元素都是True，可能是在轴上。
Series.any([axis, bool_only, skipna, level])：返回任何元素在请求的轴上是否为True。
Series.autocorr([lag])：Lag-N自相关
Series.between(left, right[, inclusive])：返回boolean Series等效于left <= series <= right。
Series.clip([lower, upper, axis, inplace])：在输入阈值处修剪值。
Series.clip_lower(threshold[, axis, inplace])：返回值低于阈值截断的输入的副本。
Series.clip_upper(threshold[, axis, inplace])：输入的返回副本，其值超过给定值（截断）。
Series.corr(other[, method, min_periods])：计算与其他系列的相关性，不包括缺失值
Series.count([level])：返回系列中非NA / null观测值的返回数
Series.cov(other[, min_periods])：计算与Series的协方差，不包括缺失值
Series.cummax([axis, skipna])：返回DataFrame或Series轴上的累积最大值。
Series.cummin([axis, skipna])：返回DataFrame或Series轴上的累积最小值。
Series.cumprod([axis, skipna])：通过DataFrame或Series轴返回累积产品。
Series.cumsum([axis, skipna])：返回DataFrame或Series轴上的累积和。
Series.describe([percentiles, include, exclude])：生成描述性统计数据，总结数据集分布的集中趋势，分散和形状，不包括NaN值。
Series.diff([periods])：第一个离散的元素差异。
Series.factorize([sort, na_sentinel])：将对象编码为枚举类型或分类变量。
Series.kurt([axis, skipna, level, numeric_only])：使用Fisher对峰度的定义（正常峰度== 0.0），在请求轴上返回无偏峰度。
Series.mad([axis, skipna, level])：返回请求轴的值的平均绝对偏差
Series.max([axis, skipna, level, numeric_only])：此方法返回对象中的最大值。
Series.mean([axis, skipna, level, numeric_only])：返回请求轴的值的平均值
Series.median([axis, skipna, level, …])：返回请求轴的值的中值
Series.min([axis, skipna, level, numeric_only])：此方法返回对象中的最小值。
Series.mode()：返回数据集的模式。
Series.nlargest([n, keep])：返回最大的n个元素。
Series.nsmallest([n, keep])：返回最小的n个元素。
Series.pct_change([periods, fill_method, …])：当前元素和先前元素之间的百分比变化。
Series.prod([axis, skipna, level, …])：返回请求轴的值的乘积
Series.quantile([q, interpolation])：给定分位数处的返回值，即la numpy.percentile。
Series.rank([axis, method, numeric_only, …])：沿轴计算数值数据等级（1到n）。
Series.sem([axis, skipna, level, ddof, …])：在请求的轴上返回均值的无偏标准误差。
Series.skew([axis, skipna, level, numeric_only])：返回请求轴的无偏偏差，由N-1归一化
Series.std([axis, skipna, level, ddof, …])：返回请求轴上的样本标准偏差。
Series.sum([axis, skipna, level, …])：返回请求轴的值的总和
Series.var([axis, skipna, level, ddof, …])：在请求的轴上返回无偏差异。
Series.kurtosis([axis, skipna, level, …])：使用Fisher对峰度的定义（正常峰度== 0.0），在请求轴上返回无偏峰度。
Series.unique()：返回Series对象的唯一值。
Series.nunique([dropna])：返回对象中唯一元素的数量。
Series.is_unique：如果对象中的值是唯一的，则返回布尔值
Series.is_monotonic：如果对象中的值是monotonic_increasing，则返回布尔值
Series.is_monotonic_increasing：如果对象中的值是monotonic_increasing，则返回布尔值
Series.is_monotonic_decreasing：如果对象中的值是monotonic_decreasing，则返回布尔值
Series.value_counts([normalize, sort, …])：返回包含唯一值计数的对象。
Series.compound([axis, skipna, level])：返回请求轴的值的复合百分比
Series.nonzero()：返回非零元素的整数索引
Series.ptp([axis, skipna, level, numeric_only])：返回最大值和之间的差值
重新索引/ 选择/ 标签操作
Series.align(other[, join, axis, level, …])：使用指定的每个轴索引的连接方法将轴上的两个对象对齐
Series.drop([labels, axis, index, columns, …])：返回已删除指定索引标签的系列。
Series.drop_duplicates([keep, inplace])：返回系列，删除重复值。
Series.duplicated([keep])：指示重复的系列值。
Series.equals(other)：确定两个NDFrame对象是否包含相同的元素。
Series.first(offset)：用于基于日期偏移量化时间序列数据的初始时段的便捷方法。
Series.head([n])：返回前n行。
Series.idxmax([axis, skipna])：返回最大值的行标签。
Series.idxmin([axis, skipna])：返回最小值的行标签。
Series.isin(values)：检查系列中是否包含值。
Series.last(offset)：用于基于日期偏移量化时间序列数据的最终时段的便捷方法。
Series.reindex([index])：使用可选填充逻辑将系列符合到新索引，将NA / NaN放置在先前索引中没有值的位置。
Series.reindex_like(other[, method, copy, …])：将具有匹配索引的对象返回给我自己。
Series.rename([index])：更改系列索引标签或名称
Series.rename_axis(mapper[, axis, copy, inplace])：更改索引或列的名称。
Series.reset_index([level, drop, name, inplace])：使用索引重置生成新的DataFrame或Series。
Series.sample([n, frac, replace, weights, …])：从对象轴返回随机的项目样本。
Series.select(crit[, axis])：（DEPRECATED）返回与轴标签匹配条件对应的数据
Series.set_axis(labels[, axis, inplace])：将所需索引分配给给定轴。
Series.take(indices[, axis, convert, is_copy])：沿轴返回给定位置索引中的元素。
Series.tail([n])：返回最后n行。
Series.truncate([before, after, axis, copy])：在某个索引值之前和之后截断Series或DataFrame。
Series.where(cond[, other, inplace, axis, …])：返回与self相同形状的对象，其对应的条目来自self，其中cond为True，否则来自其他。
Series.mask(cond[, other, inplace, axis, …])：返回与self相同形状的对象，其对应的条目来自self，其中cond为False，否则来自other。
Series.add_prefix(prefix)：带有字符串前缀的前缀标签。
Series.add_suffix(suffix)：带有字符串后缀的后缀标签。
Series.filter([items, like, regex, axis])：根据指定索引中的标签设置数据框的行或列。
缺少数据处理
Series.isna()：检测缺失值。
Series.notna()：检测现有（非缺失）值。
Series.dropna([axis, inplace])：返回删除了缺失值的新系列。
Series.fillna([value, method, axis, …])：使用指定的方法填充NA / NaN值
Series.interpolate([method, axis, limit, …])：根据不同的方法插值。
重塑, 排序
Series.argsort([axis, kind, order])：覆盖ndarray.argsort。
Series.reorder_levels(order)：使用输入顺序重新排列索引级别。
Series.sort_values([axis, ascending, …])：按值排序。
Series.sort_index([axis, level, ascending, …])：按索引标签排序系列。
Series.swaplevel([i, j, copy])：在MultiIndex中交换i和j级别
Series.unstack([level, fill_value])：Unstack，又名
Series.searchsorted(value[, side, sorter])：查找应插入元素以维护顺序的索引。
Series.ravel([order])：将展平的底层数据作为ndarray返回
Series.repeat(repeats, *args, **kwargs)：重复系列的元素。
Series.squeeze([axis])：挤压长度1维。
Series.view([dtype])：创建系列的新视图。
合并/ 加入
Series.append(to_append[, ignore_index, …])：连接两个或更多系列
Series.replace([to_replace, value, inplace, …])：替换给定的值to_replace与价值.
Series.update(other)：使用传递的Series中的非NA值修改系列
时间序列
Series.asfreq(freq[, method, how, …])：将TimeSeries转换为指定的频率。
Series.asof(where[, subset])：获取没有任何NaN的最后一行（或者在没有NaN的情况下考虑仅使用DataFrame情况下的列子集的最后一行）
Series.shift([periods, freq, axis])：使用可选的时间频率按期望的周期数移动索引
Series.first_valid_index()：返回第一个非NA / null值的索引。
Series.last_valid_index()：返回最后一个非NA / null值的索引。
Series.resample(rule[, how, axis, …])：频率转换和时间序列重采样的便捷方法。
Series.tz_convert(tz[, axis, level, copy])：将tz感知轴转换为目标时区。
Series.tz_localize(tz[, axis, level, copy, …])：将tz-naive TimeSeries本地化为目标时区。
Series.at_time(time[, asof])：在特定时间选择值（例如，
Series.between_time(start_time, end_time[, …])：选择一天中特定时间之间的值（例如，上午9：00-9：30）。
Series.tshift([periods, freq, axis])：如果可用，使用索引的频率来移动时间索引。
Series.slice_shift([periods, axis])：相当于移位而不复制数据。
类似日期的属性
Series.dt可用于以datetimelike的形式访问系列的值并返回多个属性。这些可以像访问Series.dt.<property>.
日期时间属性
Series.dt.date：返回numpy数组的python datetime.date对象（即没有时区信息的Timestamps的日期部分）。
Series.dt.time：返回datetime.time的numpy数组。
Series.dt.year：日期时间
Series.dt.month：月份为1月= 1，12月= 12
Series.dt.day：日期时间的日子
Series.dt.hour：日期时间
Series.dt.minute：日期时间的分钟
Series.dt.second：日期时间的秒数
Series.dt.microsecond：日期时间的微秒
Series.dt.nanosecond：日期时间的纳秒
Series.dt.week：一年中的一周序数
Series.dt.weekofyear：一年中的一周序数
Series.dt.dayofweek：星期一= 0，星期日= 6的星期几
Series.dt.weekday：星期一= 0，星期日= 6的星期几
Series.dt.dayofyear：一年中的序数日
Series.dt.quarter：日期的四分之一
Series.dt.is_month_start：逻辑指示是否每月的第一天（由频率定义）
Series.dt.is_month_end：指示日期是否是该月的最后一天。
Series.dt.is_quarter_start：指示日期是否是一个季度的第一天。
Series.dt.is_quarter_end：指示日期是否是一个季度的最后一天。
Series.dt.is_year_start：指明日期是否是一年的第一天。
Series.dt.is_year_end：指明日期是一年中的最后一天。
Series.dt.is_leap_year：布尔指示符，如果日期属于闰年。
Series.dt.daysinmonth：本月的天数
Series.dt.days_in_month：本月的天数
日期时间方法
Series.dt.to_period(*args, **kwargs)：以特定频率转换为PeriodIndex。
Series.dt.to_pydatetime()：将数据作为本机Python日期时间对象的数组返回
Series.dt.tz_localize(*args, **kwargs)：将tz-naive DatetimeIndex本地化为tz-aware DatetimeIndex。
Series.dt.tz_convert(*args, **kwargs)：将tz-aware DatetimeIndex从一个时区转换为另一个时区。
Series.dt.normalize(*args, **kwargs)：将时间转换为午夜。
Series.dt.strftime(*args, **kwargs)：使用指定的date_format转换为Index。
Series.dt.round(*args, **kwargs)：将数据舍入到指定的频率。
Series.dt.floor(*args, **kwargs)：将数据置于指定的频率。
Series.dt.ceil(*args, **kwargs)：将数据ceil到指定的频率。
Series.dt.month_name(*args, **kwargs)：返回具有指定语言环境的DateTimeIndex的月份名称。
Series.dt.day_name(*args, **kwargs)：返回具有指定语言环境的DateTimeIndex的日期名称。
Timedelta 属性
Series.dt.days：每个元素的天数。
Series.dt.seconds：每个元素的秒数（> = 0且小于1天）。
Series.dt.microseconds：每个元素的微秒数（> = 0且小于1秒）。
Series.dt.nanoseconds：每个元素的纳秒数（> = 0且小于1微秒）。
Series.dt.components：返回Timedeltas的组件（天，小时，分钟，秒，毫秒，微秒，纳秒）的数据帧。
Timedelta 方法
Series.dt.to_pytimedelta()：返回本机datetime.timedelta对象的数组.
Series.dt.total_seconds(*args, **kwargs)：返回每个元素的总持续时间，以秒为单位表示
字符串处理
Series.str可用于以字符串形式访问系列的值，并对其应用多种方法。这些可以像访问Series.str.<function/property>.
Series.str.capitalize()：将Series / Index中的字符串转换为大写。
Series.str.cat([others, sep, na_rep, join])：使用给定的分隔符连接Series / Index中的字符串。
Series.str.center(width[, fillchar])：使用附加字符填充系列/索引中字符串的左侧和右侧。
Series.str.contains(pat[, case, flags, na, …])：测试模式或正则表达式是否包含在系列或索引的字符串中。
Series.str.count(pat[, flags])：计算系列/索引的每个字符串中模式的出现次数。
Series.str.decode(encoding[, errors])：使用指定的编码解码系列/索引中的字符串。
Series.str.encode(encoding[, errors])：使用指定的编码对系列/索引中的字符串进行编码。
Series.str.endswith(pat[, na])：测试每个字符串元素的结尾是否与模式匹配。
Series.str.extract(pat[, flags, expand])：对于系列中的每个主题字符串，从正则表达式pat的第一个匹配中提取组。
Series.str.extractall(pat[, flags])：对于系列中的每个主题字符串，从正则表达式pat的所有匹配中提取组。
Series.str.find(sub[, start, end])：返回Series / Index中每个字符串中的最低索引，其中子字符串完全包含在[start：end]之间。
Series.str.findall(pat[, flags])：在系列/索引中查找所有出现的模式或正则表达式。
Series.str.get(i)：从指定位置的每个组件中提取元素。
Series.str.index(sub[, start, end])：返回每个字符串中的最低索引，其中子字符串完全包含在[start：end]之间。
Series.str.join(sep)：使用传递的分隔符连接包含在Series / Index中的元素的列表。
Series.str.len()：计算系列/索引中每个字符串的长度。
Series.str.ljust(width[, fillchar])：使用附加字符填充系列/索引中字符串的右侧。
Series.str.lower()：将Series / Index中的字符串转换为小写。
Series.str.lstrip([to_strip])：从左侧的系列/索引中的每个字符串中删除空格（包括换行符）。
Series.str.match(pat[, case, flags, na, …])：确定每个字符串是否与正则表达式匹配。
Series.str.normalize(form)：返回Series / Index中字符串的Unicode普通表单。
Series.str.pad(width[, side, fillchar])：在系列/索引中填充字符串，并在指定的一侧添加一个字符。
Series.str.partition([pat, expand])：在第一次出现sep时拆分字符串，并返回包含分隔符之前的部分的3个元素，分隔符本身以及分隔符之后的部分。
Series.str.repeat(repeats)：按指定的次数复制系列/索引中的每个字符串。
Series.str.replace(pat, repl[, n, case, …])：用一些其他字符串替换Series / Index中出现的pattern / regex。
Series.str.rfind(sub[, start, end])：返回Series / Index中每个字符串中的最高索引，其中子字符串完全包含在[start：end]之间。
Series.str.rindex(sub[, start, end])：返回每个字符串中的最高索引，其中子字符串完全包含在[start：end]之间。
Series.str.rjust(width[, fillchar])：使用附加字符填充系列/索引中字符串的左侧。
Series.str.rpartition([pat, expand])：在最后一次出现sep时拆分字符串，并返回包含分隔符之前的部分的3个元素，分隔符本身以及分隔符之后的部分。
Series.str.rstrip([to_strip])：从右侧的系列/索引中的每个字符串中删除空格（包括换行符）。
Series.str.slice([start, stop, step])：从系列/索引中的每个元素切片子串
Series.str.slice_replace([start, stop, repl])：用另一个值替换字符串的位置切片。
Series.str.split([pat, n, expand])：在给定的分隔符/分隔符周围拆分字符串。
Series.str.rsplit([pat, n, expand])：通过给定的分隔符字符串拆分Series / Index中的每个字符串，从字符串的末尾开始并向前工作。
Series.str.startswith(pat[, na])：测试每个字符串元素的开头是否与模式匹配。
Series.str.strip([to_strip])：从左侧和右侧剥离系列/索引中每个字符串的空白（包括换行符）。
Series.str.swapcase()：将Series / Index中的字符串转换为swapcased。
Series.str.title()：将系列/索引中的字符串转换为标题。
Series.str.translate(table[, deletechars])：通过给定的映射表映射字符串中的所有字符。
Series.str.upper()：将Series / Index中的字符串转换为大写。
Series.str.wrap(width, **kwargs)：将Series / Index中的长字符串换行，以长度小于给定宽度的段落格式化。
Series.str.zfill(width)：使用0填充Series / Index中字符串的左侧。
Series.str.isalnum()：检查Series / Index中每个字符串中的所有字符是否为字母数字。
Series.str.isalpha()：检查Series / Index中每个字符串中的所有字符是否都是字母。
Series.str.isdigit()：检查Series / Index中每个字符串中的所有字符是否为数字。
Series.str.isspace()：检查Series / Index中每个字符串中的所有字符是否都是空格。
Series.str.islower()：检查Series / Index中每个字符串中的所有字符是否都是小写。
Series.str.isupper()：检查Series / Index中每个字符串中的所有字符是否都是大写。
Series.str.istitle()：检查Series / Index中每个字符串中的所有字符是否都是标题。
Series.str.isnumeric()：检查Series / Index中每个字符串中的所有字符是否都是数字。
Series.str.isdecimal()：检查Series / Index中每个字符串中的所有字符是否为十进制。
Series.str.get_dummies([sep])：用sep拆分Series中的每个字符串，并返回一个虚拟/指示变量框。
如果Series是dtype CategoricalDtype，Series.cat则可用于更改分类数据。此访问器类似于Series.dt或Series.str具有以下可用方法和属性：
Series.cat.categories：这种分类的类别。
Series.cat.ordered：类别是否具有有序关系
Series.cat.rename_categories(*args, **kwargs)：重命名类别。
Series.cat.reorder_categories(*args, **kwargs)：重新排序new_categories中指定的类别。
Series.cat.add_categories(*args, **kwargs)：添加新类别。
Series.cat.remove_categories(*args, **kwargs)：删除指定的类别。
Series.cat.remove_unused_categories(*args, …)：删除未使用的类别。
Series.cat.set_categories(*args, **kwargs)：将类别设置为指定的new_categories。
Series.cat.as_ordered(*args, **kwargs)：设置要排序的分类
Series.cat.as_unordered(*args, **kwargs)：将Categorical设置为无序
绘图
Series.plot对于表单的特定绘图方法，它既是可调用方法又是命名空间属性Series.plot.<kind>.
Series.plot([kind, ax, figsize, ….])：系列绘图访问器和方法
Series.hist([by, ax, grid, xlabelsize, …])：使用matplotlib绘制输入序列的直方图
Series.plot.area(**kwds)：区域情节
Series.plot.bar(**kwds)：垂直条形图
Series.plot.barh(**kwds)：单杠图
Series.plot.box(**kwds)：箱形图
Series.plot.density([bw_method, ind])：使用高斯核生成核密度估计图。
Series.plot.hist([bins])：直方图
Series.plot.kde([bw_method, ind])：使用高斯核生成核密度估计图。
Series.plot.line(**kwds)：线图
Series.plot.pie(**kwds)：饼形图
序列化/ IO / 转换
Series.to_pickle(path[, compression, protocol])：Pickle（序列化）对象到文件。
Series.to_csv([path, index, sep, na_rep, …])：将Series写入逗号分隔值（csv）文件
Series.to_dict([into])：将Series转换为{label - > value} dict或dict-like对象。
Series.to_excel(excel_writer[, sheet_name, …])：将系列写入Excel工作表
Series.to_frame([name])：将Series转换为DataFrame
Series.to_xarray()：从pandas对象返回一个xarray对象。
Series.to_hdf(path_or_buf, key, **kwargs)：使用HDFStore将包含的数据写入HDF5文件。
Series.to_sql(name, con[, schema, …])：将存储在DataFrame中的记录写入SQL数据库。
Series.to_msgpack([path_or_buf, encoding])：msgpack（序列化）对象输入文件路径
Series.to_json([path_or_buf, orient, …])：将对象转换为JSON字符串。
Series.to_sparse([kind, fill_value])：将Series转换为SparseSeries
Series.to_dense()：返回NDFrame的密集表示（与稀疏相反）
Series.to_string([buf, na_rep, …])：渲染系列的字符串表示形式
Series.to_clipboard([excel, sep])：将对象复制到系统剪贴板。
Series.to_latex([buf, columns, col_space, …])：将对象渲染到表格环境表。
Sparse
SparseSeries.to_coo([row_levels, …])：使用MultiIndex从SparseSeries创建scipy.sparse.coo_matrix.
SparseSeries.from_coo(A[, dense_index])：从scipy.sparse.coo_matrix创建SparseSeries.
本文暂时没有评论，来添加一个吧(●'◡'●)