##### Series 计算,描述性统计 - [[Series.factorize()]] 分类数据编码 ```python Series.abs() # 绝对值 Series.clip([lower, upper, axis, inplace]) # 修剪值至[lower, upper] Series.diff(periods=1) # 每个元素与前periods个元素的差 Series.pct_change([periods, fill_method, ...]) # 每个元素与前periods个元素的变化百分比。 '''基本统计分析''' Series.describe([percentiles, include, exclude]) # 描述统计 Series.count() # 计数，非 NA/null 值 Series.value_counts([normalize, sort, ...]) # 返回一个包含每个唯一值及其计数 Series.kurt([axis, skipna, numeric_only]) # 无偏峰度 Series.max([axis, skipna, numeric_only]) # 最大值 Series.mean([axis, skipna, numeric_only]) # 平均值 Series.median([axis, skipna, numeric_only]) # 中位数 Series.min([axis, skipna, numeric_only]) # 最小值 Series.mode([dropna]) # 众数 Series.nlargest([n, keep]) # 最大的n个数 Series.nsmallest([n, keep]) # 最小的n个数 Series.skew([axis, skipna, numeric_only]) # 无偏斜 Series.std([axis, skipna, ddof, numeric_only]) # 标准差 Series.var([axis, skipna, ddof, numeric_only]) # 方差 Series.kurtosis([axis, skipna, numeric_only]) # 无偏峰度 Series.unique() # 唯一值 Series.quantile([q, interpolation]) # 分位数 Series.rank([axis, method, numeric_only, ...]) # 排序(1到n) Series.sem([axis, skipna, ddof, numeric_only]) # 平均值的无偏标准误差 Series.nunique([dropna]) # 返回 Series 对象的唯一值的数量，排除 NA 值 '''累计统计分析''' Series.cummax([axis, skipna]) # 累积最大值 Series.cummin([axis, skipna]) # 累积最小值 Series.cumprod([axis, skipna]) # 到前元素的累积乘 Series.cumsum([axis, skipna]) # 到前元素的累积和 Series.sum([axis, skipna, numeric_only, ...]) # 求和 Series.prod([axis, skipna, numeric_only, ...]) # 累积乘 '''布尔判断''' Series.all([axis, bool_only, skipna]) # 全真判断 Series.any(*[, axis, bool_only, skipna]) # 存在真判断 Series.between(left, right[, inclusive]) # left <= series <= right 判断 Series.is_unique # 唯一判断，返回布尔值 Series.is_monotonic_increasing # 单调递增判断，返回布尔值 Series.is_monotonic_decreasing # 单调递减判断，返回布尔值 '''相关分析''' Series.autocorr([lag]) # 计算滞后 N 自相关 Series.corr(other[, method, min_periods]) # 相关系数，不包括缺失值 Series.cov(other[, min_periods, ddof]) # 协方差，不包括缺失值 ```