db2 replace函数的用法_高效的5个pandas函数，你都用过吗？

之前为大家介绍过10个高效的pandas函数，颇受欢迎，里面的每一个函数都能帮我们在数据分析过程中节省时间。pandas还有很多让人舒适的用法，这次再为大家介绍5个pandas函数，作为这个系列的第二篇。

1. explode

explode用于将一行数据展开成多行。比如说dataframe中某一行其中一个元素包含多个同类型的数据，若想要展开成多行进行分析，这时候explode就派上用场，而且只需一行代码，非常节省时间。

用法：

DataFrame

参数作用：

• column ： str或tuple

以下表中第三行、第二列为例，展开[2,3,8]：

# 先创建表

使用explode轻松将[2,3,8]转换成多行，且行内其他元素保持不变。

df1

2. Nunique

Nunique用于计算行或列上唯一值的数量，即去重后计数。这个函数在分类问题中非常实用，当不知道某字段中有多少类元素时，Nunique能快速生成结果。

用法：

Series

参数作用：

• axis：int型，0代表行，1代表列，默认0；
• dropna：bool类型，默认为True，计数中不包括NaN；

先创建一个df：

values_1 

对year列进行唯一值计数：

df

输出：10 对整个dataframe的每一个字段进行唯一值计数：

df

3. infer_objects

infer_objects用于将object类型列推断为更合适的数据类型。

用法：

# 直接将df或者series推断为合适的数据类型

pandas支持多种数据类型，其中之一是object类型。object类型包括字符串和混合值（数字及非数字）。

object类型比较宽泛，如果可以确定为具体数据类型，则不建议用object。

df 

df

使用infer_objects方法将object推断为int类型：

df

4. memory_usage

memory_usage用于计算dataframe每一列的字节存储大小，这对于大数据表非常有用。

用法：

DataFrame

参数解释：
index：指定是否返回df中索引字节大小，默认为True，返回的第一行即是索引的内存使用情况；
deep：如果为True，则通过查询object类型进行系统级内存消耗来深入地检查数据，并将其包括在返回值中。

首先创建一个df，共2列，1000000行。

df_large 

返回每一列的占用字节大小：

df_large

第一行是索引index的内存情况，其余是各列的内存情况。

5. replace

顾名思义，replace是用来替换df中的值，赋以新的值。

用法：

DataFrame

参数解释：

• to_replace：被替换的值
• value：替换后的值
• inplace：是否要改变原数据，False是不改变，True是改变，默认是False
• limit：控制填充次数
• regex：是否使用正则,False是不使用，True是使用，默认是False
• method：填充方式，pad,ffill,bfill分别是向前、向前、向后填充

创建一个df：

values_1 

将A全部替换为D：

df

将B替换为E，C替换为F：

df