【Pandas】pandas Series is_monotonic_increasing

Pandas2.2 Series

Computations descriptive stats

方法	描述
Series.abs()	用于计算 Series 中每个元素的绝对值
Series.all()	用于检查 Series 中的所有元素是否都为 True 或非零值（对于数值型数据）
Series.any()	用于检查 Series 中是否至少有一个元素为 True 或非零值（对于数值型数据）
Series.autocorr()	用于计算 Series 的自相关系数
Series.between()	用于检查 Series 中的每个元素是否在指定的两个值之间（包括边界值）
Series.clip()	用于将 Series 中的元素限制在指定的上下限之间
Series.corr()	用于计算两个 Series 之间的相关系数
Series.count()	用于计算 Series 中非 NA/null 值的数量
Series.cov(other[, min_periods, ddof])	用于计算两个 Series 之间的协方差
Series.cummax([axis, skipna])	用于计算 Series 中元素的累积最大值
Series.cummin([axis, skipna])	用于计算 Series 中元素的累积最小值
Series.cumprod([axis, skipna])	用于计算 Series 中元素的累积乘积
Series.cumsum([axis, skipna])	用于计算 Series 中元素的累积和
Series.describe([percentiles, include, exclude])	用于生成 Series 对象的描述性统计信息的方法
Series.diff([periods])	用于计算 Series 中元素与前一个元素之间差值的方法
Series.factorize([sort, use_na_sentinel])	用于将 Series 中的唯一值编码为从 0 开始的整数索引的方法
Series.kurt([axis, skipna, numeric_only])	用于计算 Series 中数据的峰度（kurtosis）
Series.max([axis, skipna, numeric_only])	用于计算 Series 中所有元素的最大值
Series.mean([axis, skipna, numeric_only])	用于计算 Series 中所有元素的算术平均值
Series.median([axis, skipna, numeric_only])	用于计算 Series 对象中位数的函数
Series.min([axis, skipna, numeric_only])	用于计算 Series 对象最小值的函数
Series.mode([dropna])	用于计算 Series 对象中最常出现的值（众数）的函数
Series.nlargest([n, keep])	用于获取 Series 对象中最大的 n 个值的函数
Series.nsmallest([n, keep])	用于获取 Series 对象中最小的 n 个值的函数
Series.pct_change([periods, fill_method, …])	用于计算 Series 对象中元素与前一个元素之间百分比变化的方法
Series.prod([axis, skipna, numeric_only, …])	用于计算 Series 对象中所有元素乘积的函数
Series.quantile([q, interpolation])	用于计算 Series 对象的分位数（quantiles）的方法
Series.rank([axis, method, numeric_only, …])	用于计算 Series 对象中每个元素的排名的方法
Series.sem([axis, skipna, ddof, numeric_only])	用于计算 Series 对象的标准误差（Standard Error of the Mean, SEM）的方法
Series.skew([axis, skipna, numeric_only])	用于计算 Series 对象的偏度（skewness）的方法
Series.std([axis, skipna, ddof, numeric_only])	用于计算 Series 对象的标准差（Standard Deviation, STD）的方法
Series.sum([axis, skipna, numeric_only, …])	用于计算 Series 中元素的总和
Series.var([axis, skipna, ddof, numeric_only])	用于计算 Series 中元素的样本方差
Series.kurtosis([axis, skipna, numeric_only])	用于计算 Series 中元素的峰度
Series.unique()	用于返回 Series 中的唯一值
Series.nunique([dropna])	用于计算 Series 中唯一值的数量
Series.is_unique	用于检查 Series 中的元素是否唯一
Series.is_monotonic_increasing	用于检查 Series 中的元素是否按单调递增顺序排列

pandas.Series.is_monotonic_increasing

pandas.Series.is_monotonic_increasing 是一个属性，用于检查 Series 中的元素是否按单调递增顺序排列。如果 Series 中的所有元素都满足 x[i] <= x[i+1]（即每个元素都不大于其后续元素），则返回 True；否则返回 False。以下是该属性的详细描述：

• 属性：
  • is_monotonic_increasing：布尔值。如果 Series 中的所有元素都是单调递增的，则为 True；否则为 False。

示例及结果

import pandas as pd

# 创建一个单调递增的 Series
s_increasing = pd.Series([1, 2, 3, 4, 5])

# 检查 Series 是否单调递增
result_increasing = s_increasing.is_monotonic_increasing
print("Is the series monotonic increasing?", result_increasing)

# 创建一个非单调递增的 Series
s_not_increasing = pd.Series([1, 3, 2, 4, 5])

# 检查 Series 是否单调递增
result_not_increasing = s_not_increasing.is_monotonic_increasing
print("Is the series monotonic increasing?", result_not_increasing)

# 包含重复值的单调递增 Series
s_with_duplicates = pd.Series([1, 2, 2, 3, 4, 5])

# 检查 Series 是否单调递增
result_with_duplicates = s_with_duplicates.is_monotonic_increasing
print("Is the series with duplicates monotonic increasing?", result_with_duplicates)

# 包含 NaN 值的 Series
s_with_nan = pd.Series([1, 2, None, 4, 5])

# 检查 Series 是否单调递增
result_with_nan = s_with_nan.is_monotonic_increasing
print("Is the series with NaN monotonic increasing?", result_with_nan)

输出结果

Is the series monotonic increasing? True
Is the series monotonic increasing? False
Is the series with duplicates monotonic increasing? True
Is the series with NaN monotonic increasing? False

解释

• 对于严格单调递增或包含相等元素的 Series：

  • is_monotonic_increasing 属性返回 True。

• 对于包含不满足单调递增条件的元素的 Series：

  • is_monotonic_increasing 属性返回 False。

注意事项

• is_monotonic_increasing 是一个属性而不是方法，因此不需要加括号调用。
• 它可以用于任何数据类型的 Series（数值型、字符串型等），但通常用于数值型 Series。
• 如果 Series 中有 NaN 值，默认情况下会认为序列不是单调递增的，因为 NaN 与任何值的比较结果都是不确定的。

进一步示例：包含 NaN 的 Series

# 创建一个包含 NaN 但仍然单调递增的 Series
s_with_nan_increasing = pd.Series([1, 2, 3, None, 5, 6])

# 检查 Series 是否单调递增
result_with_nan_increasing = s_with_nan_increasing.is_monotonic_increasing
print("Is the series with NaN but still increasing monotonic increasing?", result_with_nan_increasing)

输出结果

Is the series with NaN but still increasing monotonic increasing? False

通过这些示例和解释，您可以更好地理解如何使用 pandas.Series.is_monotonic_increasing 属性来检查 Series 中的元素是否按单调递增顺序排列，并根据需要处理不同类型的 Series。