我们都知道,Pandas
是 Python
环境下的数据操作和分析软件包,以及强大的数据分析库。在日常的数据分析中都发挥着重要作用,如果没有Pandas
的支持,数据分析将变得异常困难。但有时我们需要加快数据分析的速度,有什么办法可以帮助到我们吗?
在本文中,我为大家介绍6 种 Pandas
函数。这些高效的函数会令数据分析更为容易、便捷。
Pandas
数据统计包的6种高效函数
Pandas
也是一个 Python
包,它提供了快速、灵活以及具有显著表达能力的数据结构,旨在使处理结构化 (表格化、多维、异构) 和时间序列数据变得既简单又直观。
Pandas
适用于以下各类数据:
-
具有异构类型列的表格数据,如
SQL
表或Excel
表; -
有序和无序 (不一定是固定频率) 的时间序列数据;
-
带有行/列标签的任意矩阵数据(同构类型或者是异构类型);
-
其他任意形式的统计数据集。事实上,数据根本不需要标记就可以放入
Pandas
结构中。
Pandas
擅长处理的类型如下所示:
-
容易处理浮点数据和非浮点数据中的 缺失数据(用 NaN 表示);
-
大小可调整性: 可以从
DataFrame
或者更高维度的对象中插入或者是删除列; -
显式数据可自动对齐: 对象可以显式地对齐至一组标签内,或者用户可以简单地选择忽略标签,使
Series
、DataFrame
等自动对齐数据; -
灵活的分组功能,对数据集执行拆分-应用-合并等操作,对数据进行聚合和转换;
-
简化将数据转换为
DataFrame
对象的过程,而这些数据基本是Python
和NumPy
数据结构中不规则、不同索引的数据; -
基于标签的智能切片、索引以及面向大型数据集的子设定;
-
更加直观地合并以及连接数据集;
-
更加灵活地重塑、转置(
pivot
)数据集; -
轴的分级标记 (可能包含多个标记);
-
具有鲁棒性的
IO
工具,用于从平面文件 (CSV
和delimited
)、Excel
文件、数据库中加在数据,以及从HDF5
格式中保存 / 加载数据; -
时间序列的特定功能: 数据范围的生成以及频率转换、移动窗口统计、数据移动和滞后等。
read_csv(nrows=n)
大多数人都会犯的一个错误是,在不需要.csv
文件的情况下仍会完整地读取它。如果一个未知的.csv
文件有10GB,那么读取整个.csv
文件将会非常不明智,不仅要占用大量内存,还会花很多时间。我们需要做的只是从.csv
文件中导入几行,之后根据需要继续导入。
import io
import requests # I am using this online data set just to make things easier for you guys
url = "https://raw.github.com/vincentarelbundock/Rdatasets/master/csv/datasets/AirPassengers.csv"
s = requests.get(url).content # read only first 10 rows
df = pd.read\_csv(io.StringIO(s.decode('utf-8')),nrows=10 , index\_col=0)
map()
map()
函数根据相应的输入来映射Series
的值。用于将一个Series
中的每个值替换为另一个值,该值可能来自一个函数、也可能来自于一个dict
或Series
。
# create a dataframe
dframe = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'), index=\['India', 'USA', 'China', 'Russia'\])#compute a formatted string from each floating point value in frame
changefn = lambda x: '%.2f' % x# Make changes element-wise
dframe\['d'\].map(changefn)
apply()
apply()
允许用户传递函数,并将其应用于Pandas
序列中的每个值。
# max minus mix lambda fn
fn = lambda x: x.max() - x.min()# Apply this on dframe that we've just created above
dframe.apply(fn)
isin()
lsin()
用于过滤数据帧。Isin()
有助于选择特定列中具有特定(或多个)值的行。
# Using the dataframe we created for read\_csv
filter1 = df\["value"\].isin(\[112\])
filter2 = df\["time"\].isin(\[1949.000000\])
df \[filter1 & filter2\]
copy()
Copy()
函数用于复制Pandas
对象。当一个数据帧分配给另一个数据帧时,如果对其中一个数据帧进行更改,另一个数据帧的值也将发生更改。为了防止这类问题,可以使用copy ()
函数。
# creating sample series
data = pd.Series(\['India', 'Pakistan', 'China', 'Mongolia'\])# Assigning issue that we face
data1= data
# Change a value
data1\[0\]='USA'
# Also changes value in old dataframe
data # To prevent that, we use
# creating copy of series
new = data.copy()# assigning new values
new\[1\]='Changed value'# printing data
print(new)
print(data)
select_dtypes()
select_dtypes()
的作用是,基于dtypes
的列返回数据帧列的一个子集。这个函数的参数可设置为包含所有拥有特定数据类型的列,亦或者设置为排除具有特定数据类型的列。
# We'll use the same dataframe that we used for read\_csv
framex = df.select\_dtypes(include="float64")# Returns only time column
最后,pivot_table()
也是Pandas
中一个非常有用的函数。如果对pivot_table()
在excel
中的使用有所了解,那么就非常容易上手了。
# Create a sample dataframe
school = pd.DataFrame({'A': \['Jay', 'Usher', 'Nicky', 'Romero', 'Will'\],
'B': \['Masters', 'Graduate', 'Graduate', 'Masters', 'Graduate'\],
'C': \[26, 22, 20, 23, 24\]})# Lets create a pivot table to segregate students based on age and course
table = pd.pivot\_table(school, values ='A', index =\['B', 'C'\],
columns =\['B'\], aggfunc = np.sum, fill\_value="Not Available")
table
这就是Pandas数据统计包的6种高效函数,相信会为你带来帮助。
😝朋友们如果有需要的话,可以V扫描下方二维码免费领取🆓
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
#### **一、Python学习路线**