![f8cb573f5a0c2bfe7a11309b6e8546d6.png](https://i-blog.csdnimg.cn/blog_migrate/2f636978a48a701ff37d2f34108621cc.jpeg)
全文共 5431字,预计学习时长 16分钟
![445f4422337ee9a2a6a17e56c4b09fe1.png](https://i-blog.csdnimg.cn/blog_migrate/0102c5bbeebe39ad402368a31d30261b.png)
大家都知道Pandas和NumPy函数很棒,它们在日常分析中起着重要的作用。没有这两个函数,人们将在这个庞大的数据分析和科学世界中迷失方向。
今天,小芯将分享12个很棒的Pandas和NumPy函数,这些函数将会让生活更便捷,让分析事半功倍。
在本文结尾,读者可以找到文中提到的代码的JupyterNotebook。
从NumPy开始:
NumPy是使用Python进行科学计算的基本软件包。它包含以下内容:
· 强大的N维数组对象
· 复杂的(广播broadcasting)功能
· 集成C / C++和Fortran代码工具
· 有用的线性代数,傅立叶变换和随机数功能
除明显的科学用途外,NumPy是高效的通用数据多维容器,可以定义任意数据类型。这使NumPy能够无缝且高速地与各种数据库进行集成。
1. allclose()
Allclose() 用于匹配两个数组并且以布尔值形式输出。如果两个数组的项在公差范围内不相等,则返回False。这是检查两个数组是否相似的好方法,因为这一点实际很难手动实现。
array1 = np.array([0.12,0.17,0.24,0.29])
array2 = np.array([0.13,0.19,0.26,0.31])# with a tolerance of 0.1, it shouldreturn False:
np.allclose(array1,array2,0.1)
False# with a tolerance of 0.2, it should return True:
np.allclose(array1,array2,0.2)
True
2. argpartition()
![8f659dcf39fcdda1a4353ac9d182e06f.png](https://i-blog.csdnimg.cn/blog_migrate/04312501155dac50a4ec49f4ce1b7c23.png)
NumPy的这个函数非常优秀,可以找到N最大值索引。输出N最大值索引,然后根据需要,对值进行排序。
x = np.array([12, 10, 12, 0, 6, 8, 9, 1, 16, 4, 6,0])index_val = np.argpartition(x, -4)[-4:]
index_val
array([1, 8, 2, 0], dtype=int64)np.sort(x[index_val])
array([10, 12, 12, 16])
3. clip()
Clip() 用于将值保留在间隔的数组中。有时,需要将值保持在上限和下限之间。因此,可以使用NumPy的clip()函数。给定一个间隔,该间隔以外的值都将被裁剪到间隔边缘。
x = np.array([3, 17, 14, 23, 2, 2, 6, 8, 1, 2, 16,0])np.clip(x,2,5)
array([3, 5, 5, 5, 2, 2, 5, 5, 2, 2, 5, 2])
4. extract()
顾名思义,extract() 函数用于根据特定条件从数组中提取特定元素。有了该函数,还可以使用and和or等的语句。
# Random integers
array = np.random.randint(20, size=12)
array
array([ 0, 1, 8, 19, 16, 18, 10, 11, 2, 13, 14, 3])# Divide by 2 and check ifremainder is 1
cond = np.mod(array, 2)==1
cond
array([False, True, False, True, False, False, False, True, False, True, False, True])# Use extract to get the values
np.extract(cond, array)
array([ 1, 19, 11, 13, 3])# Applycondition on extract directly
np.extract(((array < 3) | (array > 15)), array)
array([ 0, 1, 19, 16, 18, 2])
5. percentile()
Percentile()用于计算沿指定轴的数组元素的第n个百分位数。
a = np.array([1,5,6,8,1,7,3,6,9])print("50thPercentile of a, axis = 0 : ",
np.percentile(a, 50, axis =0))
50th Percentile of a, axis = 0 : 6.0b =np.array([[10, 7, 4], [3, 2, 1]])print("30th Percentile of b, axis = 0 :",
np.percentile(b, 30, axis =0))
30th Percentile of b, axis = 0 : [5.13.5 1.9]
6. where()
![b7d97993c0ba5947a93298724e9df321.png](https://i-blog.csdnimg.cn/blog_migrate/18939de127b6bfc8cc3c61769403f43c.png)
Where() 用于从满足特定条件的数组中返回元素。它返回在特定条件下值的索引位置。这差不多类似于在SQL中使用的where语句。请看以下示例中的演示。
y = np.array([1,5,6,8,1,7,3,6,9])# Where y is greaterthan 5, returns index position
np.where(y>5)
array([2, 3, 5, 7, 8], dtype=int64),)# First will replace the values that matchthe condition,
# second will replace the values that does not
np.where(y>5, "Hit", "Miss")
array(['Miss', 'Miss', 'Hit', 'Hit', 'Miss', 'Hit', 'Miss', 'Hit','Hit'],dtype='<U4')
接着来讲一讲神奇的Pandas函数。
Pandas
Pandas是一个Python软件包,提供快速、灵活和富有表现力的数据结构,旨在使处理结构化(表格,多维,潜在异构)的数据和时间序列数据既简单又直观。
Pandas非常适合许多不同类型的数据:
· 具有异构类型列的表格数据,例如在SQL表或Excel电子表格中
· 有序和无序(不一定是固定频率)的时间序列数据。
· 具有行和列标签的任意矩阵数据(同类型或异类)
· 观察/统计数据集的任何其他形式。实际上,数据根本不需要标记,即可放入Pandas数据结构。
以下是Pandas的优势:
· 轻松处理浮点数据和非浮点数据中的缺失数据(表示为NaN)
· 大小可变性:可以从DataFrame和更高维的对象中插入和删除列
· 自动和显式的数据对齐:在计算中,可以将对象显式对齐到一组标签,或者用户可以直接忽略标签,并让Series,DataFrame等自动对齐数据
· 强大灵活的分组功能,可对数据集执行拆分-应用-合并操作,以汇总和转换数据
· 轻松将其他Python和NumPy数据结构中的不规则的、索引不同的数据转换为DataFrame对象
· 大数据集的智能标签的切片,高级索引和子集化
· 直观的合并和联接数据集
· 数据集的灵活重塑和旋
· 坐标轴的分层标签(每个刻度可能有多个标签)
· 强大的IO工具,用于从平面文件(CSV和定界文件)、 Excel文件,数据库加载数据,以及以超高速HDF5格式保存/加载数据
· 特定于时间序列的功能:日期范围生成和频率转换、移动窗口统计、日期移位和滞后。
1. apply()
Apply() 函数允许用户传递函数并将其应用于Pandas序列中每个单一值。
# max minus mix lambda fn
fn = lambda x: x.max() - x.min()# Apply this on dframe that we've just createdabove
dframe.apply(fn)
2. copy()
Copy()函数用于创建Pandas对象的副本。将数据帧分配给另一个数据帧时,在另一个数据帧中进行更改,其值也会进行同步更改。为了避免出现上述问题,可以使用copy()函数。
# creating sample series
data = pd.Series(['India', 'Pakistan', 'China', 'Mongolia'])# Assigning issuethat we face
data1= data
# Change a value
data1[0]='USA'
# Also changes value in old dataframe
data# To prevent that, we use
# creating copy of series
new = data.copy()# assigning new values
new[1]='Changed value'# printing data
print(new)
print(data)
3. read_csv(nrows=n)
![a4c8302bbd9b8fc8868750b8ef320c78.png](https://i-blog.csdnimg.cn/blog_migrate/f8796a90c7918f829297c9ed78f015f1.png)
读者可能已经知道了read-csv函数的重要性。但即使不必要,大多数人仍会错误地读取整个.csv文件。假设未知10GB的.csv文件中的列和数据,在这种情况下读取整个.csv文件并非明智的决定,因为这会浪费内存和时间。可以仅从.csv中导入几行,然后根据需要继续操作。
import io
import requests# I am using this online data set just to make things easier foryou guys
url = "https://raw.github.com/vincentarelbundock/Rdatasets/master/csv/datasets/AirPassengers.csv"
s = requests.get(url).content# read only first 10 rows
df = pd.read_csv(io.StringIO(s.decode('utf-8')),nrows=10 , index_col=0)
4. map()
map()函数用于根据输入对应关系映射Series的值。用于将序列(Series)中的每个值替换为另一个值,该值可以从函数、字典或序列(Series)中得出。
# create a dataframe
dframe = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'),index=['India', 'USA', 'China', 'Russia'])#compute a formatted string from eachfloating point value in frame
changefn = lambda x: '%.2f' % x# Make changes element-wise
dframe['d'].map(changefn)
5. isin()
Isin() 函数用于过滤数据帧。Isin() 有助于选择在特定列中具有特定(或多个)值的行。这是笔者见过的最有用的功能。
# Using the dataframe we created for read_csv
filter1 = df["value"].isin([112])
filter2 = df["time"].isin([1949.000000])df [filter1 & filter2]
6. select_dtypes()
select_dtypes()函数基于dtypes列返回数据框的列的子集。设置此函数的参数,以包括具有某些特定数据类型的所有列;也可对其进行设置,以排除具有某些特定数据类型的所有列。
# We'll use the same dataframe that we used for read_csv
framex = df.select_dtypes(include="float64")# Returns only time column
福利:
![ac6a8983376283bdc72f8aaf17656f5b.png](https://i-blog.csdnimg.cn/blog_migrate/921238893417f1df3b461d9a03cdc6d0.png)
Pivot_table()
Pandas最神奇最有用的功能是pivot_table。如果你纠结于是否使用groupby,并想扩展其功能,那么不妨试试pivot-table。如果明白数据透视表在excel中的工作原理,那么一切就非常简单了。数据透视表中的级别将存贮在MultiIndex对象(分层索引)中,而该对象位于DataFrame结果的索引和列上。
# Create a sample dataframe
school = pd.DataFrame({'A': ['Jay', 'Usher', 'Nicky', 'Romero', 'Will'],
'B': ['Masters', 'Graduate','Graduate', 'Masters', 'Graduate'],
'C': [26, 22, 20, 23, 24]})
# Lets create a pivot table to segregate students based on age and course
table = pd.pivot_table(school, values ='A', index =['B', 'C'],
columns =['B'], aggfunc = np.sum,fill_value="Not Available")
table
![f57dba168e0cc66675d6258974dd0fb3.png](https://i-blog.csdnimg.cn/blog_migrate/c0437be78c93819b06132d159764f160.jpeg)
留言 点赞 关注
我们一起分享AI学习与发展的干货
编译组:王俊博、王品一
相关链接:https://towardsdatascience.com/12-amazing-pandas-numpy-functions-22e5671a45b8
如转载,请私信小芯,遵守转载规范