python优化

本文探讨了Python在数据处理中的优化技巧,包括DataFrame的apply、agg、transform函数,以及如何使用filter、loc、iloc进行数据筛选。同时,介绍了map函数在处理列表和系列中的应用,以及利用query进行条件查询。这些方法对于提高机器学习和数据挖掘项目的效率至关重要。
摘要由CSDN通过智能技术生成

循环语句

apply

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)

axis=0 将func作用于dataframe每一列
axis=1将func作用于dataframe每一行

df = pd.DataFrame([[4, 9]] * 3, columns=['A', 'B'])
df.apply(np.sqrt)

agg

DataFrame.agg(func=None, axis=0, *args, **kwargs)

  • 在每列进行聚合,分别计算sum、min:
df = pd.DataFrame([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9],
                   [np.nan, np.nan, np.nan]],
                  columns=['A', 'B', 'C'])

df.agg(['sum', 'min'])
  • 在每列进行聚合不同的函数:
df.agg({'A' : ['sum', 'min'], 'B' : ['min', 'max']})
  • 在每列聚合不同的函数,并且重命名<
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值