Pandas非常适合许多不同类型的数据:· 具有异构类

简介: 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

全文共5431字,预计学习时长16分钟大家都知道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。

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。

1. allclose()Allclose() 用于匹配两个数组并且以布尔值形式输出。

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)True2. argpartition()NumPy的这个函数非常优秀,可以找到N最大值索引。

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])3. clip()Clip() 用于将值保留在间隔的数组中。

因此,可以使用NumPy的clip()函数。

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。

# Random integersarray = np.random.randint(20, size=12)arrayarray([ 0, 1, 8, 19, 16, 18, 10, 11, 2, 13, 14, 3])# Divide by 2 and check ifremainder is 1cond = np.mod(array, 2)==1condarray([False, True, False, True, False, False, False, True, False, True, False, True])# Use extract to get the valuesnp.extract(cond, array)array([ 1, 19, 11, 13, 3])# Applycondition on extract directlynp.extract(((array < 3) | (array > 15)), array)array([ 0, 1, 19, 16, 18, 2])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()Where() 用于从满足特定条件的数组中返回元素。

y = np.array([1,5,6,8,1,7,3,6,9])# Where y is greaterthan 5, returns index positionnp.where(y>5)array([2, 3, 5, 7, 8], dtype=int64),)# First will replace the values that matchthe condition,# second will replace the values that does notnp.where(y>5, "Hit", "Miss")array(['Miss', 'Miss', 'Hit', 'Hit', 'Miss', 'Hit', 'Miss', 'Hit','Hit'],dtype='

PandasPandas是一个Python软件包,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。

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。

# creating sample seriesdata = pd.Series(['India', 'Pakistan', 'China', 'Mongolia'])# Assigning issuethat we facedata1= data# Change a valuedata1[0]='USA'# Also changes value in old dataframedata# To prevent that, we use# creating copy of seriesnew = data.copy()# assigning new valuesnew[1]='Changed value'# printing dataprint(new)print(data)3. read_csv(nrows=n)读者可能已经知道了read-csv函数的重要性。

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。

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。

# create a dataframedframe = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'),index=['India', 'USA', 'China', 'Russia'])#compute a formatted string from eachfloating point value in framechangefn = lambda x: '%.2f' % x# Make changes element-wisedframe['d'].map(changefn)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。

# 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。

# We'll use the same dataframe that we used for read_csvframex = df.select_dtypes(include="float64")# Returns only time column福利:Pivot_table()Pandas最神奇最有用的功能是pivot_table。

数据透视表中的级别将存贮在MultiIndex对象(分层索引)中,而该对象位于DataFrame结果的索引和列上。

# Create a sample dataframeschool = pd.DataFrame({'A': ['Jay', 'Usher', 'Nicky', 'Romero', 'Will'],'B': ['Masters', 'Graduate','Graduate', 'Masters', 'Graduate'],'C': [26, 22, 20, 23, 24]})# Lets create a pivot table to segregate students based on age and coursetable = pd.pivot_table(school, values ='A', index =['B', 'C'],columns =['B'], aggfunc = np.sum,fill_value="Not ailable")table留言点赞关注我们一起分享AI学习与发展的干货如转载,请留言,遵守转载规范


以上是文章"

Pandas非常适合许多不同类型的数据:· 具有异构类

"的内容,欢迎阅读甘青宁科技网的其它文章