Pandas框架，最专业的Python分析工具包

Pandas框架，最专业的Python分析工具包。具体是怎么回事呢?今天番茄加速就来说一下。

Pandas有一个单独的数据操作模块，包括 15 个，全是设计上最顶层的函数。它们大致可以分类为：数据透视相关;数据分箱相关;多个数据表融合相关;分类变量的数值化相关。借助这 4 类函数可完成对数据的一些重要分析。下面依次介绍。

数据透视相关包括：melt, pivot, pivot_table, crosstab. melt 变换宽格式数据为长格式，通俗点说就是列数变少了，行数变多了。我们可以试着想想，如何实现。

数据分箱，是将连续值归类到对应的箱体中，提供了两种实现。cut 函数均分给定的一维数组的区间长度(最大值和最小值间距)为指定份数;qcut 函数是另一种装箱思路，根据数据样本出现的频次，均分成指定个数的箱体。这两个函数的必选参数包括：1维数组，箱体个数。

数据融合，至少涉及到两个数据表，根据指定索引或通过轴，关联两张表。通过索引关联的函数包括：merge, merge_ordered, merge_asof, 前两个通过精确相等的键关联，第三个通过近似相等键关联，通过轴连接的为 concat 函数，它在0轴或1轴上扩展数据。

分类变量的数值化，是指将枚举类变量转化为indicator向量或称dummy 向量。什么是indicator向量，看看如下例子，A变量解析为：[1,0,0], B解析为：[0,1,0].

s = pd.Series(list(‘ABCA’))

pd.get_dummies(s)

#结果

A B C

0 1 0 0

1 0 1 0

2 0 0 1

3 1 0 0

除get_dummies外，还有一个枚举类型变量标注化函数：factorize，功能如下：

labels, uniques = pd.factorize([‘A’, ‘B’, ‘C’, ‘A’])

#结果

labels为NumPy的ndarrays:

array([0, 1, 2, 0], dtype=int64)

uniques:

array([‘A’, ‘B’, ‘C’], dtype=object)

还有一个不属于以上4类的去重的顶层函数：unique，这个比较容易理解。不再赘述。