Series
Series 是一个即时求值的、单一类型的列。它是 DataFrame 的组成单元，也可作为 main() 的返回值（转换为单列结果集）。
与惰性的 Expr 不同，Series 上的运算会立即计算出结果。
构造
Series(name, values=None, dtype=None, *, strict=True, nan_to_null=False)
# 或省略名称
Series(values, name=None, dtype=None)
Series("value", [10, 20, 30])
Series([1.0, 2.0, 3.0], name="price")
属性
| 属性 | 类型 | 说明 |
|---|---|---|
name | str | 列名（未指定时默认为 "series"） |
dtype | DataType | 逻辑数据类型 |
转换与清洗
| 方法 | 说明 |
|---|---|
s.to_list() | 转为 Python list（null → None） |
s.cast(dtype) | 转换 dtype（严格模式，失败抛异常） |
s.abs() | 逐元素绝对值 |
s.round(ndigits=0) | 四舍五入到 ndigits 位小数 |
s.fill_null(value) | 用标量 value 替换 null（None 为空操作） |
s.is_null() / s.is_not_null() | 返回标记 null / 非 null 的布尔 Series |
s.filter(mask) | 按布尔 mask Series 保留元素 |
s.alias(name) / s.rename(name) | 返回重命名后的副本 |
聚合
以下方法返回单个标量值：
| 方法 | 说明 |
|---|---|
s.sum() | 所有非 null 值之和 |
s.mean() | 算术平均 |
s.min() / s.max() | 最小 / 最大非 null 值 |
s.median() | 中位数 |
s.std() / s.var() | 样本标准差 / 方差 |
s.count() | 非 null 值个数 |
s.n_unique() | 不同值个数（null 记为一个不同值） |
s.first() / s.last() | 首个 / 末尾值 |
s.skew(bias=True) | 样本偏度（bias=True 为总体矩估计） |
s.kurtosis(fisher=True, bias=True) | 峰度（fisher=True 为超额峰度） |
s.mode() | 最频繁出现的值，返回 Series（可能多个） |
s.quantile(q, interpolation="nearest") | 指定分位数的值（q 在 0..1），仅支持 "nearest" 插值 |
滚动窗口
固定大小窗口上的滑窗计算，返回 Series：
| 方法 | 说明 |
|---|---|
s.rolling_min(window_size, *, min_samples, center) | 滚动最小值 |
s.rolling_max(window_size, *, min_samples, center) | 滚动最大值 |
s.rolling_sum(window_size, *, min_samples, center) | 滚动求和 |
s.rolling_mean(window_size, *, min_samples, center) | 滚动算术平均 |
s.rolling_median(window_size, *, min_samples, center) | 滚动中位数 |
s.rolling_std(window_size, *, min_samples, center, ddof=1) | 滚动样本标准差 |
s.rolling_var(window_size, *, min_samples, center, ddof=1) | 滚动样本方差 |
s.rolling_skew(window_size, *, bias, min_samples, center) | 滚动偏度 |
s.rolling_kurtosis(window_size, *, fisher, bias, min_samples, center) | 滚动峰度 |
s.rolling_quantile(q, window_size=2, *, min_samples, center) | 滚动分位数（仅 "nearest" 插值） |
s.rolling_map(function, window_size, *, min_samples, center) | 对每个窗口调用 function(Series)，取其标量返回值 |
# 7 日滚动均值
s.rolling_mean(7)
# 带最小样本数
s.rolling_sum(7, min_samples=3)
按索引滚动窗口
基于另一个 Series（通常是时间列，假定升序）的变长窗口，窗口由时长字符串（如 "2d"、"1h"）定义：
| 方法 | 说明 |
|---|---|
s.rolling_min_by(by, window, *, min_samples, closed) | 按索引滚动最小值 |
s.rolling_max_by(by, window, *, min_samples, closed) | 按索引滚动最大值 |
s.rolling_sum_by(by, window, *, min_samples, closed) | 按索引滚动求和 |
s.rolling_mean_by(by, window, *, min_samples, closed) | 按索引滚动算术平均 |
s.rolling_median_by(by, window, *, min_samples, closed) | 按索引滚动中位数 |
s.rolling_std_by(by, window, *, min_samples, closed, ddof=1) | 按索引滚动标准差 |
s.rolling_var_by(by, window, *, min_samples, closed, ddof=1) | 按索引滚动方差 |
closed 控制窗口边界："left" / "right" / "both" / "none"，默认 "right"。
# 基于时间列的 2 天滚动均值
s.rolling_mean_by(time_series, "2d")
指数加权移动
提供 com / span / half_life / alpha 四选一来指定衰减参数：
| 方法 | 说明 |
|---|---|
s.ewm_mean(*, com/span/half_life/alpha, adjust, min_samples, ignore_nulls) | 指数加权移动平均 |
s.ewm_sum(*, com/span/half_life/alpha, adjust, min_samples, ignore_nulls) | 指数加权移动求和 |
s.ewm_var(*, com/span/half_life/alpha, adjust, min_samples, ignore_nulls, bias) | 指数加权移动方差 |
s.ewm_std(*, com/span/half_life/alpha, adjust, min_samples, ignore_nulls, bias) | 指数加权移动标准差 |
s.ewm_mean(span=7)
s.ewm_std(half_life=3)
变换与排序
| 方法 | 说明 |
|---|---|
s.diff(n=1) | 与 n 个位置前的值之差 |
s.cum_sum(*, reverse=False) | 累计求和（reverse=True 从末尾反向累加） |
s.cum_prod(*, reverse=False) | 累计乘积 |
s.pct_change(n=1) | 与 n 个位置前值的变化百分比，返回 Float64 |
s.sort(*, descending=False, nulls_last=False) | 按值排序（稳定），null 默认排最前 |
s.forward_fill(limit=None) | 用上一个非 null 值填充 null（limit 限制连续填充数） |
s.backward_fill(limit=None) | 用下一个非 null 值填充 null |
s.unique(*, maintain_order=False) | 去重后的值 |
s.shift(n=1, *, fill_value) | 移动 n 个位置（正数下移），空位填 fill_value（默认 null） |
s.interpolate(method="linear") | 线性插值填充 null（仅 "linear"） |
选取
| 方法 | 说明 |
|---|---|
s.head(n=5) | 前 n 行（n 为负时去掉末尾 |n| 行） |
s.tail(n=5) | 后 n 行（n 为负时去掉开头 |n| 行） |
s.slice(offset, length=None) | 从 offset（可为负）起取 length 行（None 到末尾） |
s.gather_every(n, offset=0) | 每隔 n 行取一行 |
s.sample(n=None, *, fraction, with_replacement, shuffle, seed) | 随机采样（n 或 fraction 二选一） |
s.top_k(k=5) | k 个最大值 |
s.bottom_k(k=5) | k 个最小值 |
映射
| 方法 | 说明 |
|---|---|
s.replace_strict(old, new, *, default, return_dtype) | 严格替换：在 old 中的值替换为 new 对应位置值，未找到的变为 default |
s.value_counts(*, sort, name, normalize) | 值频次统计，返回两列 DataFrame（值列 + "count" 列） |
s.map_elements(function, return_dtype=None, skip_nulls=True) | 对每个元素调用 Python 回调，返回新 Series |
# 元素级映射
s.map_elements(lambda x: x * 2 if isinstance(x, (int, float)) else x)
# 值频次
s.value_counts(sort=True)
索引与长度
len(s) # 元素个数
s[0] # 取指定位置的值（支持负索引）
运算符
Series 重载了完整的算术、比较、逻辑运算符，均返回新的 Series：
- 算术：
+-*///%** - 比较：
==!=<<=>>=（返回布尔 Series） - 逻辑：
&|~
def main():
s = Series("value", [1, -2, 3, -4])
positive = s.filter(s > 0) # 比较得到布尔 mask，再过滤
return positive # Series([1, 3])