?之前写过很多关于Pandas的文章,Pandas是一个用于数据分析和数据可视化的神奇库。
前面文章介绍的都是一些经常会用到的函数,这些函数可以让你效率更高,不会让你重新发明轮子。
那么,在今天的文章中,?君想把重点转移到几个更有用的排序筛选功能上,这些功能曾让我觉得自己就是个彻头彻尾的白痴。
为什么会这样想?
好吧,我承认我写代码的时候很少上网搜索,所以在此之前我也并不知道这些函数的存在。
我花了几小时,熬白了头,终于把老板的需求给实现了,但代价是花了几个小时,996变成997。
为了避免同样的事情发生在你身上,请继续阅读。
idxmin() and idxmax()
老板给了你一堆乱七八糟的数据,你对商品的所有差评做了个统计,知道关于不好吃这个差评最多是98个,你想通过索引调取这个数据,怎么获取这个索引值?下面是方法。
简而言之,这两个函数返回的是所需条目的ID(索引位置)。
如下,我创建了以下的Pandas Series
如果我想找到最小和最大项目的索引位置。
在这里,看着并不难,只要一眼就能看到,但如果这个数据是15个G的数据,百万级别的条目,相信这两个方法的作用就出来了。
你要利用idxmin()和idxmax()函数的威力来处理大数据,让我们来看看怎么做。
关键是要记住,函数将返回最小/最大值的第一次出现的索引。
ne()
这个对我来说是一个很大的启示。前段时间我在工作中处理一堆交通违章数据,遇到了前n个没有违章记录,但我想知道n次违章记录之后的第一次违章问题。
用大白话再说一遍吧,想一想你可能买了一件东西,但在一段时间内没有使用它。最近你对这个东西重新感兴趣,那么它在哪呢?
所以ne()这个函数就会在关键时刻救你一命,结合上面函数就能快速定位你遗忘的东西。
让我们考虑一下下面的情况。你有一个Pandas DataFrame对象,其中有一些观测值在开始时是0。
现在ne()要做的是,如果当前值不是你指定的值(比如说0),则返回True,否则返回False。
这个本身并没有什么用。你还记得我说过,你需要知道idxmax()才能理解这个的意义吗?你可以把idxmax()和上面的代码链起来。
所以在指数位置6,我们有了第一个非零观测值,我们可以利用这些信息对DataFrame进行子集,只显示从项目第一次使用时开始的值。
这在当你要处理时间序列数据的时候,就会非常便捷方便。
nsmallest() and nlargest()
我猜你从名字上就能得出这两个函数的作用。比方说,我创建了以下DataFrame对象:
df = pd.DataFrame({'Name':['张三','李四','王二麻子','刘老五','傻白甜'], 'Points':[55,98,46,77,81] })
df
Name Points张三 55李四 98王二麻子 46刘老五 77傻白甜 81
假如我想知道哪三个同学表现最差,怎么办呢?
df.nsmallest(3,'Points')Name Points王二麻子 46张三 55刘老五 77
或哪3名学生表现最好。
df.nlargest(3,'Points')Name Points李四 98傻白甜 81刘老五 77
这两个函数是一个很好的排序筛选的替代函数,比如sort_values()。
我是?君,我会在接下来的时间里介绍很多pandas省时省力的功能,让我们一起学习进步吧。请在后台留言分享你最想用Pandas做的事。
感谢你的阅读。