apply筛选 pandas_pandas高阶使用技巧

pandas是机器学习中最常用的数据处理库，那么一些高级技巧你是否了解呢？

apply函数

pandas中的lambda函数可以说是最有用的功能之一，也是我的最爱。自由度很高，你可以对自己的数据进行各种操作了。该函数如下：

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)

一般来说我们只使用前面的几个参数，func传入你想要对数据实施的函数，axis=0表示对行操作，axis=1表示对列操作，举一个用法：

df['size_num'] = df.apply(lambda x:int(x['size']), axis=1) #将size转化为int类型

上面的代码通过传入lambda函数对整列数据进行操作，你可以随意定义你的函数来实现各种功能。

按照条件筛选

pandas具有强大的筛选功能，组合使用可以快速得到你想要的数据

df[df['size_num']>22.0] #单条件筛选

df[(df['size_num']>22.0) & (df['size_num]<50)] #多条件筛选

保存格式的选择

pandas的保存相信大家都不陌生，但是事实上保存操作中有很多参数是可以配置的，这样可以导出你想要的格式

selected_data.to_csv('selected_data.csv', index=False, header=False)

一个常用参数是index，pandas在导出表格时会默认在前面加上一列Index，通常我们可以吧它设为False,因为这个index没什么用；另一个常用参数是header, 表示的是是否输出表头，可根据实际情况设置