作者|Soner Y?ld?r?m
編譯|VK
來源|Towards Data Science
Pandas是一個python資料分析庫，它提供了許多函式和方法來加快資料分析程序，pandas之所以如此普遍，是因為它具有強大的功能，以及他簡單的語法和靈活性，
在這篇文章中，我將舉例來解釋20個常用的pandas函式，有些是很常見的，我敢肯定你以前用過，有些對你來說可能是新的，所有函式都將為你的資料分析程序增加價值，
import numpy as np
import pandas as pd
1.query
我們有時需要根據條件過濾一個資料幀，過濾資料幀的一個簡單方法是query函式，讓我們首先創建一個示例資料幀，
values_1 = np.random.randint(10, size=10)
values_2 = np.random.randint(10, size=10)
years = np.arange(2010,2020)
groups = ['A','A','B','A','B','B','C','A','C','C']
df = pd.DataFrame({'group':groups, 'year':years, 'value_1':values_1, 'value_2':values_2})
df
使用查詢函式非常簡單，只需要撰寫過濾條件，
df.query('value_1 < value_2')
2.insert
當我們想向dataframe添加一個新列時，默認情況下會在末尾添加它，但是，pandas提供了使用insert函式使得我們可以在任何位置添加新列，
我們需要通過傳遞索引作為第一個引數來指定位置，此值必須是整數，列索引從零開始，就像行索引一樣，第二個引數是列名，第三個引數是物件，這些物件可以是Series 或陣列，
#新建列
new_col = np.random.randn(10)
#在位置2插入新列
df.insert(2, 'new_col', new_col)
df
3.Cumsum
資料幀包含3個不同組的年份值，我們可能只對某些情況下的累積值感興趣，Pandas提供了一個易于使用的函式來計算累計和，即cumsum，
如果我們只應用cumsum函式，group里的（A，B，C）將被忽略，因為我們無法區分不同的組，我們可以應用groupby和cumsum函式，這樣就可以區分出不同的組，
df['cumsum_2'] = df[['value_2','group']].groupby('group').cumsum()
df
4.Sample
Sample方法允許你從序列或資料幀中隨機選擇值，當我們想從一個分布中選擇一個隨機樣本時，它很有用，
sample1 = df.sample(n=3)
sample1
我們用n引數指定值的數目，但我們也可以將比率傳遞給frac引數，例如，0.5將回傳一半的行，
sample2 = df.sample(frac=0.5)
sample2
為了獲得可重復的樣本，我們可以使用隨機的狀態引數，如果將整數值傳遞給random_state，則每次運行代碼時都將生成相同的示例，
5. Where
“Where”用于根據條件替換行或列中的值，默認的替換值是NaN，但是我們也可以指定替換的值，
df['new_col'].where(df['new_col'] > 0 , 0)
“where”的作業方式是選擇符合條件的值，其余值替換為指定值，
where(df[‘new_col’]>0, 0)選擇“new_col”中大于0的所有值，其余值替換為0，因此，這里也可以視為掩碼操作，
重要的一點是，Pandas 和Numpy的“where”并不完全相同，我們可以用稍微不同的語法來達到相同的效果，DataFrame.where按原資料選擇符合條件的值，其他值將替換為指定的值，Np.where還需要指定一個新資料，以下兩行回傳相同的結果：
df['new_col'].where(df['new_col'] > 0 , 0)
np.where(df['new_col'] < 0, df['new_col'], 0)
6.Isin
在處理資料幀時，我們經常使用過濾或選擇方法，Isin方法是一種先進的過濾方法，例如，我們可以根據選擇串列過濾值，
years = ['2010','2014','2017']
df[df.year.isin(years)]
7.Loc and iloc
Loc和iloc用于選擇行和列，
-
loc：按標簽選擇
-
iloc：按位置選擇
loc用于按標簽選擇資料，列的標簽是列名，行標簽要分情況，如果我們不分配任何特定的索引，pandas默認創建整數索引，iloc 按位置索引資料
使用iloc選擇前3行和前2列：
使用loc選擇前3行和前2列：
注：當使用loc時，切片得到的結果包括索引的邊界，而使用iloc則不包括這些邊界，
8.Pct_change
此函式用于計算一系列值的變化百分比，假設我們有一個包含[2,3,6]的序列，如果我們對這個序列應用pct_change，則回傳的序列將是[NaN，0.5，1.0]，
從第一個元素到第二個元素增加了50%，從第二個元素到第三個元素增加了100%，Pct_change函式用于比較元素時間序列中的變化百分比，
df.value_1.pct_change()
9.Rank
Rank函式為值分配序，假設我們有一個包含[1,7,5,3]的序列s，分配給這些值的序為[1,4,3,2]，可以用這些序作排序操作
df['rank_1'] = df['value_1'].rank()
df
10.Melt
Melt用于將寬資料幀轉換為窄資料幀，我所說的wide是指具有大量列的資料幀，
一些資料幀的結構是連續的度量或變數用串列示，在某些情況下，將這些串列示為行可能更適合我們的任務，考慮以下資料幀：
我們有三個不同的城市，在不同的日子進行測量，我們決定將這些日子表示為列中的行，還將有一列顯示測量值，我們可以通過使用Melt函式輕松實作：
df_wide.melt(id_vars=['city'])
默認情況下，會給出變數和值列名，我們可以使用melt函式的var_name和value_name引數來指定新的列名，
11.Explode
假設你的資料集在一個觀測(行)中包含一個要素的多個條目，但你希望在單獨的行中分析它們，
我們想在不同的行上看到“day"1在ID為c上的測量值，用explode來完成，
df1.explode('measurement').reset_index(drop=True)
12.Nunique
Nunique統計列或行上的唯一條目數，它在分類特征中非常有用，特別是在我們事先不知道類別數量的情況下，讓我們看看我們的初始資料幀：
df.year.nunique()
10
df.group.nunique()
3
我們可以直接將nunique函式應用于dataframe，并查看每列中唯一值的數量：
如果axis引數設定為1，nunique將回傳每行中唯一值的數目，
13.lookup
它可以用于根據其他行-列對上的值在資料幀中查找值，假設我們有以下資料幀：
每天，我們有4個人的測量資料和一個列，其中包括這4個人的名字，
我們要創建一個新列，該列顯示“person”列中人員對應他們的度量，因此，對于第一行，新列中的值將是4（“Alex”列中的值)，
df['Person_point'] = df.lookup(df.index, df['Person'])
df
14.Infer_objects
Pandas支持廣泛的資料型別，其中之一就是object，物件包含文本或混合(數字和非數字)值，
但是，如果有其他選項可用，則不建議使用物件資料型別，使用更具體的資料型別，某些操作執行得更快，例如，對于數值，我們更喜歡使用整數或浮點資料型別，
infer_objects嘗試為物件列推斷更好的資料型別，考慮以下資料幀：
df2.dtypes
A object
B object
C object
D object
dtype: object
所有的資料型別都是object，讓我們看看推斷的資料型別是什么：
df2.infer_objects().dtypes
A int64
B float64
C bool
D object
dtype: object
它可能看起來沒什么用，但在有很多列時絕對有用，
15.Memory_usage
Memory_usage回傳每行使用的記憶體量(以位元組為單位)，它非常有用，尤其是當我們處理大型資料幀時，考慮下面的資料幀，其中有一百萬行，
df_large = pd.DataFrame({'A': np.random.randn(1000000),
'B': np.random.randint(100, size=1000000)})
df_large.shape
(1000000, 2)
以及每列的記憶體使用情況(以位元組為單位)：
df_large.memory_usage()
Index 128
A 8000000
B 8000000
dtype: int64
整個資料幀的記憶體使用量（MB）：
df_large.memory_usage().sum() / (1024**2)
15.2589111328125
16.Describe
描述函式計算數字列的基本統計資訊，這些列包括計數、平均值、標準差、最小值和最大值、中值、第一個和第三個四分位數，因此，它提供了資料幀的統計摘要，
17.Merge
Merge()根據共享列中的值組合資料幀，考慮以下兩個資料幀，
我們可以根據列中的共享值合并它們，設定合并條件的引數是“on”引數，
df1和df2是基于column_a中的公共值進行合并的，merge函式的how引數允許以不同的方式組合資料幀，“內部”、“外部”、“左側”、“右側”的可能值，
-
inner：僅在on引數指定的列中具有相同值的行（how引數的默認值)
-
outer：所有行
-
left：左資料幀中的所有行
-
right：右資料幀中的所有行
類似于sql陳述句中的join
18.Select_dtypes
Select_dtypes函式根據對資料型別設定的條件回傳資料幀列的子集，它允許使用include和exlude引數包含或排除某些資料型別，
df.select_dtypes(include='int64')
df.select_dtypes(exclude='int64')
19.replace
顧名思義，它允許替換資料幀中的值，
df.replace('A', 'A_1')
第一個引數是要替換的值，第二個引數是新值，
我們也可以在一個字典中同時進行多個替換，
df.replace({'A':'A_1', 'B':'B_1'})
20.Applymap
Applymap函式用于將函式應用于dataframe元素，
請注意，如果操作的向量化版本可用，那么它應該優先于applymap，例如，如果我們想將每個元素乘以一個數字，我們不需要也不應該使用applymap函式，在這種情況下，簡單的向量化操作(例如df*4）要快得多，
然而，在某些情況下，我們可能無法選擇向量化操作，例如，我們可以使用pandas dataframes的Style屬性來更改dataframe的樣式，以下函式將負值的顏色更改為紅色，
def color_negative_values(val):
color = 'red' if val < 0 else 'black'
return 'color: %s' % color
我們需要使用applymap函式將此函式應用于資料幀，
df3.style.applymap(color_negative_values)
原文鏈接：https://towardsdatascience.com/20-pandas-functions-that-will-boost-your-data-analysis-process-f5dfdb2f9e05
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方檔案：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/173542.html
標籤：其他
上一篇：用Python構建個性化智能鬧鐘