来源:Pexels 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() 来源:Pexels 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。
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。
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() 来源:Pexels 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。
接着来讲一讲神奇的Pandas函数。 PandasPandas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 fnfn = lambda x: x.max() - x.min()# Apply this on dframe that we've just createdabovedframe.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。
3. read_csv(nrows=n) 来源:Pexels 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 ioimport requests# I am using this online data set just to make things easier foryou guysurl = 'https://raw.github.com/vincentarelbundock/Rdatasets/master/csv/datasets/AirPassengers.csv's = requests.get(url).content# read only first 10 rowsdf = 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。
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_csvfilter1 = 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。 福利: |
|