【Python】介绍几个常用的Python模块，建议收藏！！

Python标准库有超过200个模块，程序员可以在他们的程序中导入和使用，虽然普通程序员对其中许多模块都有一些经验，但很可能有一些好用的模块他们仍然没有注意到。

今天小编就来给大家推荐几个特别好用的Python模块，其中有一部分是在Pandas当中的，方便大家使用了之后更加高效地来进行数据分析。

sidetable

sidetable是一种可用于数据分析和探索的工具模块，作为value_counts()和crosstab两者组合来使用的，它能够实现的用途对于Pandas模块而言也都能实现，但是步骤更加简便。

首先我们先通过pip命令来安装该模块

pip install sidetable

紧接着我们读取本次教程需要用到的数据集，代码如下

import pandas as pd
import sidetable

sales = pd.read_csv(
  "sales_data_with_stores.csv",
   usecols = ["store", "product_group", "product_code", "cost",  
              "price", "last_week_sales"]
)
sales.head()

output

初步分析

例如我们看到这个product_group这一栏，也就是产品组，要是我们想要知道总共有哪些产品组？每一组产品总共有多少？占到的比重又是多少，就可以调用其中freq()方法，这个就和Pandas当中的groupby方法十分地类似，代码如下

sales.stb.freq(["product_group"])

output

那么从上面的结果中我们可以看到，总共有6个产品组以及各自的占比情况如何和累积的占比情况。当然上述的结果本质上是基于表格当中各个产品的行数是多少，而当我们想要看一下各个产品的销量情况时，就需要用到last_week_sales字段了，代码如下

sales.stb.freq(["product_group"], value="last_week_sales")

output

然后我们要是还想进一步深挖数据集当中的信息，例如想要看一下每一组产品在每一家门店中的销量情况，就需要用到store字段，代码如下

sales.stb.freq(["product_group", "store"], value="last_week_sales")

output

缺失值

我们来看一下表格当中的缺失值的分布，代码如下

sales.stb.missing()

output

subtotal计算

那么对于分组的结果而言，sidetable还可以计算得出每个分组的subtotal（小计），代码如下

sales_filtered = sales[sales["product_group"].isin(["PG1", "PG2"])]
sales_filtered.groupby(["store", "product_group"]).agg(
    total_sales = ("last_week_sales", "sum")
)

output

我们筛选出了一二两组在每家门店当中的销量情况，而对于sidetable而言还能够轻松的计算出每家门店销量的总和，代码如下

sales_filtered.groupby(["store", "product_group"]).agg(
    total_sales = ("last_week_sales", "sum")
).stb.subtotal()

output

eval()函数

Pandas提供了通过eval()进行表达式计算的功能，我们依次可以写出简洁、易读的代码，例如有下面这么一个数据集

df = pd.DataFrame({"animal": ["dog", "cat"], "age": [20, 30]})
df

output

我们可以调用pd.eval()方法来新建一列，代码如下

pd.eval("double_age = df.age * 2", target=df)

output

该函数仅对列进行操作，而不对特定行或者元素进行操作。我们再来看几个示例，代码如下

df = pd.DataFrame(dict(a=range(5), b=range(5, 10)))
df.eval("c = a + b", inplace=True)
df.eval("d = a + b + c", inplace=True)
df.eval("a = 5", inplace=True)
df

output

因此，我们只需要传入需要计算的表达式字符串即可得到想要的结果。

exec()函数

Python内置的exec函数，用来执行一段Python代码，这段代码以字符串的形式传给exec函数执行，例如

exec('''
... for i in range(10):
...     print(i)
... ''')

output

0
1
2
3
4
5
6
7
8
9

而该函数的第二个参数具体是用来控制exec函数内执行代码可以访问的全局变量资源，如下代码所示

exec('''
print(a)
print(b)
print(d)
c = 3
print(c)''', {'a':111,'b':222,'d':444})

output

111
222
444
3

exec()函数除了能执行复杂的代码片段，还可以执行py文件中的Python代码，例如有test.txt文件，内容如下

# !usr/bin/env python
# -*- coding:utf-8 _*-

# test.txt

def main():
    x = 30
    y = 40
    print(x*y)
    print("www.baidu.com")

if __name__ == "__main__":
    main()

然后使用内置函数exec()执行这个txt文件的Python代码：

with open('test.txt','r') as f:
    exec(f.read())

output

1200
www.baidu.com

往期精彩回顾




适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑机器学习交流qq群955171419，加入微信群请扫码