当然,仅通过查看就可以发现这一点

简介: 当然,仅通过查看就可以发现这一点,但是这样就不能利用最少的数据来完成项目所以就需要利用idxmin()和idxmax()函数,如下所示:请记住,这些函数将返回至

全文共1490字,预计学习时长5分钟图源:UnsplashPandas是一个神奇的库,可用于数据分析,甚至是数据可视化。

早期小芯的文章介绍了Pandas常用的一些函数,今天小芯会集中介绍Panda中更有用的函数,这些函数让小芯在工作中像个彻头彻尾的蠢蛋。

好吧,我很懒,在编写代码前不喜欢使用谷歌搜索,所以我甚至不知道有这些函数的存在。

小芯设法得出所需的逻辑,但是不仅花费了很长时间,还长出了白发,当然也写了很多不必要的代码。

因为它们: 可以保持代码干净 不会浪费时间做重复的工作下面,小芯就为大家带来3大鲜为人知的Pandas函数:1. nsmallest() 和nlargest()我猜想大家仅凭名称就能知道这两个函数的意义。

假设创建以下数据帧DataFrame对象:假设此时有5个观测点,即一场考试后的部分成绩结果。

现在需要找出哪3位学生的学习成绩最差:或哪3位学生的学习成绩最好:这两个函数则可以巧妙地替代sort_values()之类的函数。

2. idxmin() 和idxmax()是的,小芯知道过去的文章中已经涵盖这些内容,但是对于本文来说,它们是必不可少的组成部分。

简而言之,这些函数将返回所需条目的ID(索引位置)。

当然,仅通过查看就可以发现这一点,但是这样就不能利用最少的数据来完成项目所以就需要利用idxmin()和idxmax()函数,如下所示:请记住,这些函数将返回至第一次出现的最小/最大值的索引。

前一段时间,我在处理一些工作中的时间序列数据时,遇到过前n个观测值为0的情况。

为了简单起见,试想一下可能购买了某物但在一段时间内并未消耗的情况。

拥有该物品,但由于没有使用,所以给定日期的消耗量为0。

由于只关注实际使用的情况,所以一旦实际开始使用该物品,ne()函数会发挥重要作用。

试想以下情况:现有一个Pandas 数据帧对象,开始时的观测值为0:现在,如果当前值不是指定值(假设为0),则ne()会返回True,否则返回False:这本身并没有多大用处。

这并非虚言,可以将idxmax()链接到上面的代码中:因此,在索引位置6,可以得到第一个非零的观测值。

图源:Unsplash其实Pandas还有许多好用的函数等着大家去挖掘和运用,这些函数可以大大节省大家的时间。


以上是文章"

当然,仅通过查看就可以发现这一点

"的内容,欢迎阅读甘青宁科技网的其它文章