用过都说好！12个Pandas和NumPy函数，让你处理数据更轻松

NumPy

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）功能
• 集成C / C ++和Fortran代码的工具
• 有用的线性代数，傅立叶变换和随机数功能

除了其明显的科学用途外，NumPy还可以用作通用数据的高效多维容器。可以定义任意数据类型。这使NumPy能够无缝，快速地与各种数据库集成。

1.argpartition（）

NumPy具有此惊人的功能，可以找到N个最大值索引。输出将是N个最大值索引，然后可以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_valarray([1, 8, 2, 0], dtype=int64)np.sort(x[index_val])array([10, 12, 12, 16])

2. allclose（）

Allclose（）用于匹配两个数组，并根据布尔值获取输出。如果两个数组中的项在公差范围内不相等，则将返回False。检查两个数组是否相似的好方法，实际上很难手动实现。

array1 = np.array（[0.12,0.17,0.24,0.29]）array2 = np.array（[0.13,0.19,0.26,0.31]）#公差为0.1，应返回False：np.allclose（array1， array2,0.1）False #公差为0.2，应返回True：np.allclose（array1，array2,0.2）True

3. clip（）

Clip（）用于将值保留在一个间隔内的数组中。有时，我们需要将值保持在上限和下限之内。出于上述目的，我们可以使用NumPy的clip（）。给定一个间隔，该间隔以外的值将被裁剪到间隔边缘。

x = np.array（[3，17，14，23，2，2，6，8，1，1，2，16，0]）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（）用于根据特定条件从数组中提取特定元素。通过extract（），我们还可以使用诸如and和or的条件。

#随机整数array = np.random.randint（20，size = 12）array array（[ 0，1，8，19，16，18，10，11，2，2，13，14，3 ]）#除以2并检查余数是否为1 cond = np.mod（array，2）== 1 cond array（[False，True，False，True，False，False，False，True，False，True，False，True]）#使用提取以获取值np.extract（cond，array）array（[ 1，19，11，13，3 ]）#将条件直接应用于提取np.extract（（（（array <3）|（array> 15）） ，array）array（[0，1，19，16，18，2]）

5. where（）

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的值的索引位置。这几乎类似于我们在SQL中使用的where条件，我将在下面的示例中进行演示。

y = np.array([1,5,6,8,1,7,3,6,9])# y大于5时，返回索引位置np.where(y>5)array([2, 3, 5, 7, 8], dtype=int64),)# 首先将替换符合条件的值, # 其次将不替换np.where(y>5, 'Hit', 'Miss')array(['Miss', 'Miss', 'Hit', 'Hit', 'Miss', 'Hit', 'Miss', 'Hit', 'Hit'],dtype='<U4')

6. percentile（）

Percentile（）用于计算沿指定轴的数组元素的第n个百分点。

a = np.array([1,5,6,8,1,7,3,6,9])print('50th Percentile 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 :  [5.1 3.5 1.9]

如果你以前使用过这些函数，那么你一定了解，这些函数对你有多大帮助！

Pandas

pandas是一个Python软件包，提供快速，灵活和富于表现力的数据结构，旨在使处理结构化（表格，多维，潜在异构）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）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擅长处理的一些事情：

• 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和更高维度的对象中插入和删除列
• 自动和显式的数据对齐：可以将对象显式地对齐到一组标签，或者用户可以简单地忽略标签并让Series，DataFrame等自动为您对齐数据
• 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数据结构中的衣衫,、索引不同的数据转换为DataFrame对象
• 基于智能标签的切片，花式索引和大数据集子集
• 直观的合并和联接数据集
• 灵活地重塑和旋转数据集
• 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和定界的文件），Excel文件，数据库加载数据，以及从超快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，移动窗口统计信息，日期移动和滞后。

1.read_csv（nrows = n）

可能你已经知道 read_csv 函数的使用。但是，即使不需要，我们大多数人仍然会错误地读取整个.csv文件。让我们考虑第一种情况，即我们不知道10gb的.csv文件中的列和数据，在这里读取整个.csv文件将不是一个明智的决定，因为这将不必要地占用我们的内存，并且会花费很多时间。我们可以从.csv文件中导入几行，然后根据需要进行进一步操作。

import ioimport requests# 、为了让你们更轻松地使用，在这里我们将使用在线数据集url = 'https://raw.github.com/vincentarelbundock/Rdatasets/master/csv/datasets/AirPassengers.csv's = requests.get(url).content# 仅读取前10行df = pd.read_csv(io.StringIO(s.decode('utf-8')),nrows=10 , index_col=0)

2. map（）

map（）函数用于根据输入对应关系映射Series的值。用于将系列中的每个值替换为可以从函数，字典或系列中得出的另一个值。

#创建一个数据dframe = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['India', 'USA', 'China', 'Russia'])#根据帧中的每个浮点值计算格式化的字符串changefn = lambda x: '%.2f' % x# 按元素进行更改dframe['d'].map(changefn)

3. apply（）

apply（）允许用户传递一个函数并将其应用于Pandas系列的每个单个值。

# 最大值减去最小值的混合 lambda fnfn = lambda x: x.max() - x.min()# 将其应用于上面刚刚创建的dframedframe.apply(fn)

4. isin（）

isin（）用于过滤数据帧。isin（）帮助选择在特定列中具有特定（或多个）值的行。这是我遇到的最有用的功能。

#使用我们为read_csv创建的数据框filter1 = df [“ value”]。isin（[112]）filter2 = df [“ time”]。isin（[1949.000000]）df [filter1＆filter2]

5. copy（）

copy（）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时其值也会更改。为了防止出现上述问题，我们可以使用copy（）。

#创建样本系列data = pd.Series(['India', 'Pakistan', 'China', 'Mongolia'])#分配我们面临的问题data1 = data #修改值data1 [0] ='USA' #还要更改旧数据框中的值#为防止这种情况，我们使用#创建系列的副本new = data.copy（）#分配新的值new [1] ='Changed value' #打印数据print（new）print（data）

6. select_dtypes（）

select_dtypes（）函数基于列dtypes返回数据框的列的子集。可以将此函数的参数设置为包括具有某些特定数据类型的所有列，也可以设置为排除具有某些特定数据类型的所有那些列。

#我们将使用read_csvframex =  df.select_dtypes(include='float64')#仅返回时间列

其他的收获：数据透视表（）

Pandas 最神奇、最有用的功能是 pivot_table。如果你还在犹豫使用 groupby 并想扩展其功能，那么可以很好试试 pivot_table 。如果你知道数据透视表在excel中是如何工作的，那么对你来说可能就是小菜一碟。数据透视表中的级别将存储在结果 DataFrame 的索引和列上的MultiIndex对象（分层索引）中。

#创建一个样本数据school = pd.DataFrame({'A': ['Jay', 'Usher', 'Nicky', 'Romero', 'Will'], 'B': ['Masters', 'Graduate', 'Graduate', 'Masters', 'Graduate'], 'C': [26, 22, 20, 23, 24]})#让我们根据年龄和课程来创建数据透视表table = pd.pivot_table(school, values ='A', index =['B', 'C'], columns =['B'], aggfunc = np.sum, fill_value='Not Available') table

学习是为了更加方便我们的工作，这12个函数，不仅能方便我们处理数据，还能提高我们的工作效率。希望能对你带来收获！

以上所有代码都给你整理好了：https ://github.com/kunaldhariwal/Medium-12-Amazing-Pandas-NumPy-Functions

本文由未艾信息（www.weainfo.net）编译，