知晓这8个Python Pandas隐藏小技巧，让你工作更高效！

前言：

Pandas隐藏的炫酷小技巧想必知道的人不是很多吧？而本文内容正是给大家分享这些小技巧，希望对你的工作效率能够有所帮助，或许本文中的某些命令你早已知晓，只是没意识到它还有这种打开方式，一起来看看吧！

 

首先介绍下Pandas与Python的关系：它是一个在Python中广泛应用的数据分析包。市面上有很多关于Pandas的经典教程，但本文介绍几个隐藏的炫酷小技巧，我相信这些会对你有所帮助。

正文开始：

1. map

这个炫酷的命令让你的数据转换变得轻松。首先定义一个

dictionary，“key”是转换前的旧值，而“values”是转换后的新值。

level_map = {1: 'high', 2: 'medium', 3: 'low'} 
df['c_level'] = df['c'].map(level_map)

2. select_dtypes

如果已经在Python中完成了数据的预处理，这个命令可以帮你节省一定的时间。在读取了表格之后，每一列的默认数据类型将会是bool，int64，float64，object，category，timedelta64，或者datetime64。首先你可以观察一下大致情况，使用：

df.dtypes.value_counts()

来了解你的dataframe的每项数据类型，然后再使用：

df.select_dtypes(include=['float64', 'int64'])

获取一个仅由数值类型组成的sub-dataframe。

3. copy

如果你没听说过它的话，我不得强调它的重要性。输入下面的命令：

import pandas as pd 
df1 = pd.DataFrame({ 'a':[0,0,0], 'b': [1,1,1]}) 
df2 = df1 
df2['a'] = df2['a'] + 1
df1.head() 

你会发现df1已经发生了改变。这是因为df2 = df1并不是生成一个df1的复制品并把它赋值给df2，而是设定一个指向df1的指针。所以只要是针对df2的改变，也会相应地作用在df1上。为了解决这个问题，你既可以这样做：

df2 = df1.copy()

也可以这样做：

from copy import deepcopy 
df2 = deepcopy(df1) 

几个适用情景：把True、False，转换成1、0(为了建模);定义级别;使用字典编码。

4. 用不用apply?

如果我们想在现有几列的基础上生成一个新列，并一同作为输入，那么有时apply函数会相当有帮助。

 

在上面的代码中，我们定义了一个有两个输入变量的函数，并依靠apply函数使其作用到列“c1”和“c2”上。

但是apply函数在有些情况下实在是太慢了。如果你是想计算“c1”和“c2”列的最大值，你当然可以这样去做：

df['maximum'] = df.apply(lambda x: max(x['c1'], x['c2']), axis = 1) 

但你会发现相比于以下命令，apply实在是慢太多了：

df['maximum'] = df[['c1','c2']].max(axis =1) 

结论：如果你可以采用其他内置函数(他们一般速度更快)，请不要使用apply。比如说，如果你想把“c”列的值近似取整，那么请用round(df[‘c'], 0)或df['c'],round(0)而不是上文的apply函数。

 

5. value counts

这个命令用于检查值的分布。你想要检查下“c”列中出现的值以及每个值所出现的频率，可以使用：

df['c'].value_counts( 

下面是一些有用的小技巧/参数：

• normalize = True:查看每个值出现的频率而不是频次数。
• dropna = False: 把缺失值也保留在这次统计中。
• sort = False: 将数据按照值来排序而不是按照出现次数排序。
• df[‘c].value_counts().reset_index(): 将这个统计表转换成pandas的dataframe并且进行处理。

 

•  

6. 缺失值的数量

当构建模型时，我们可能会去除包含过多缺失值或是全部是缺失值的行。这时可以使用.isnull()和.sum()来计算指定列缺失值的数量。

 

在SQL中我们可以使用 SELECT * FROM … WHERE ID in (‘A001',‘C022', …)来获取含有指定ID的记录。如果你也想在Pandas中做类似的事情，你可以使用：

df_filter = df['ID'].isin(['A001','C022',...]) 
df[df_filter] 

7. 基于分位数分组

面对一列数值，你想将这一列的值进行分组，比如说最前面的5%放入组别一，5-20%放入组别二，20%-50%放入组别三，最后的50%放入组别四。当然，你可以使用pandas.cut，但你也可以使用下面这种选择：

 

这种方法的运行速度很快(并没有使用到apply函数)。

8. to_csv

这又是一个大家都会用的命令。我想在这里列出两个小技巧。首先是

print(df[:5].to_csv()) 

你可以使用这个命令打印出将要输出文件中的前五行记录。

另一个技巧是用来处理整数值和缺失值混淆在一起的情况。如果一列含有缺失值和整数值，那么这一列的数据类型会变成float而不是int。当导出表格时，你可以加上float_format=‘%.0f'以便将所有的浮点数近似成整数。当你想把所有列的输出值都变成整数格式时，就可以使用这个技巧，这样一来你就会告别所有数值后带“.0”的烦恼。

以上就是本文全部内容啦，希望对大家的学习或者工作上有所帮助！

最后，小编想说一句话：我是一名python开发工程师，这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。想要这些资料的可以加群：877562786