表达式方法
| 方法 | 含义 |
|---|---|
| .alias(name:&str) | 重命名column |
| .floor_div(rhs: Expr) | 整除rhs，即只返回整数部分，丢弃小数部分。 |
| .pow(e) | 指数函数，e是幂 |
| .sqrt() | 平方根 |
| .cbrt() | 立方根 |
| .cos() .sin() .cot() .tan() .arccos() .arcsin() .arctan() .arctan2() .cosh() .sinh() .tanh() .arccosh() .arcsinh() .arctanh() | 三角函数 |
| .degrees() | 弧度转成角度 |
| .radians() | 角度转成弧度 |
| .shuffle(seed: Option<u64>) | 随机乱序，seed随机种子。 |
| .sample_n(n: Expr, with_replacement: bool, shuffle: bool, seed: Option<u64>) -> Expr | 随机采样n个元素，with_replacement=T表示有放回采样 。shuffle是否采样后乱序，seed随机种子;1 |
| .std(ddof:u8) | 计算标准差，ddof是自由度2 。 |
| .var(ddof:u8) | 计算方差，ddof是自由度偏移 |
| .min() | 计算最小值，series包含nan则返回nan |
| .max() | 最大值，series包含nan则返回nan |
| .nan_min() | 忽略nan，最小值 |
| .nan_max() | 忽略nan，最大值 |
| .mean() | 算数均值 |
| .median() | 中位数 |
| .sum() | 算数和 |
| .eq(E) | 条件运算==，但None==None返回Null。参见话题Null和None |
| .eq_missing(E) | 条件运算==，但None==None 返回true |
| .neq(E) | 不等于 |
| .neq_missing(E) | 不等于，但None和None 认为相等 |
| .lt(E ) | 条件运算< |
| .gt(E ) | 条件运算> |
| .gt_eq(E ) | 条件运算>= |
| .lt_eq(E ) | 条件运算<= |
| .not(E ) | 条件运算not |
| .is_null()/.is_not_null() | 条件运算，是否是null |
| .drop_nulls()/.drop_nans() | 丢弃series中的null值或NaN值 |
| .n_unique() | 统计非重复项数量 |
| .first() | 返回第一个元素 |
| .last() | 返回最后一个元素 |
| .head(length:Option<usize>) | 开头几个元素 |
| .tail(length:Option<usize>) | 结束几个元素 |
| .implode() | 将Series转换成List。 |
| .explode() | 将List解包 |
| .agg_groups() | 返回组的索引列表，参考：agg_groups示例，Page10 |
| .filter(predicate:E) | predicate为返回bool数组的表达式 |
| .slice(offset:Expr,length:Expr) | 根据offset和length描述的切片进行索引 |
| .append(other:Expr,upcast:bool) | 将other的series追加self。upcast是否向上转型，自动转型到容量更大的数据类型。 |
| .unique() | 去除重复值，但无法保证原有的顺序 |
| .unique_stable | 去除重复值，但保留原有顺序，比.unique()更消耗资源. |
| .arg_unique() | 返回第一个唯一值索引 |
| .arg_min() | 返回最小值索引 |
| .name() | 返回ExprNameNameSpace，一种可以操作多个字段名的类型。 |
1
如果" with_replacement"为True，那么每次采样都是独立的，一个样本被选中后仍然可以在后续的采样中被选中。这被称为"有放回的抽样"。如果" with_replacement"为False，那么被选中的元素会从样本池中移除，不会被再次采样。这被称为"无放回的抽样"。
2
在统计学中，计算样本标准差时通常使用的自由度是n-1（其中n是样本大小）。这被称为贝塞尔（Bessel's）校正，用于修正偏差，使样本标准差更接近总体标准差。这是因为我们在标准差计算过程中使用了样本的平均值，这使得所有的”差值”都不是完全独立的。当ddof为1时（这是默认值），.std()方法会使用n-1作为分母来计算标准差，其中n是样本数量。如果你将ddof设置为0，.std()方法会使用n作为分母来计算标准差。但是这个值可能会低估总体标准差。