?? 作者：韓信子@ShowMeAI
?? 資料分析實戰系列：https://www.showmeai.tech/tutorials/40
?? 本文地址：https://www.showmeai.tech/article-detail/394
?? 宣告：著作權所有，轉載請聯系平臺與作者并注明出處
?? 收藏ShowMeAI查看更多精彩內容

如果你是資料科學家、資料分析師、機器學習工程師，或者任何 python 資料從業者，你一定會高頻使用 pandas 這個工具庫——它操作簡單功能強大，可以很方便完成資料處理、資料分析、資料變換等程序，優雅且便捷，

?? Python資料分析實戰教程

在本文中，ShowMeAI給大家匯總介紹 21 個 Pandas 的提示和技巧，熟練掌握它們，可以讓我們的代碼保持整潔高效，

?? 1：DataFrame.copy()

如果我們希望對DataFrame操作，但是不希望改變原始DataFrame，我們可以使用df.copy()制作副本，如下例所示：

import pandas as pd

df = pd.DataFrame({"col1": [1, 2, 3],
                   "col2": [4, 5, 6]})

df2 = df # Make a copy using =
df2["col1"] = [7, 8, 9]
df # df also changes

# Recrate df
df = pd.DataFrame({"col1": [1, 2, 3],
                   "col2": [4, 5, 6]})

df3 = df.copy() # Create a copy of df
df3["col1"] = [7, 8, 9]
df # df doesn't change

?? 2：Groupby().count 與 Groupby().size

如果你想獲得 Pandas 的一列的計數統計，可以使用groupby和count組合，如果要獲取2列或更多列組成的分組的計數，可以使用groupby和size組合，如下所示：

import pandas as pd

df = pd.DataFrame(
    {
        "col1": ["a", "b", "b", "c", "c", "d"],
        "col2": ["S", "S", "M", "L", "L", "L"]
    }
)

# get the count of elements in one column
df.groupby(["col1"]).count()

# Get the size of groups of 2+ columns
df.groupby(["col1", "col2"]).size()

?? 3：歸一化值計數

大家都知道，我們可以使用value_counts獲取列里的取值計數，但是，如果要獲取列中某個值的百分比，我們可以添加normalize=True至value_counts引數設定來完成：

import pandas as pd

size = pd.Series(["S", "S", "M", "L", "S", "XL", "S", "M",])

# Get count of each value
size.value_counts()

# Get percentage of each value
size.value_counts(normalize=True)

?? 4：值計數（包含缺失值）

我們知道可以通過value_counts很方便進行欄位取值計數，但是pandas.value_counts()自動忽略缺失值，如果要對缺失值進行計數，要設定引數dropna=False，

import pandas as pd

size = pd.Series(["S", "S", None, "M", "L", "S", None, "XL", "S", "M",])

# Get count of each value, it does not count missing values
size.value_counts()

# pass dropna=False to get missing value count
size.value_counts(dropna=False)

?? 5：df.transform() 與 df.count()

如下例所示，如果我們要對列的取值統計并進行計數過濾，使用count會報錯，使用transform是恰當的方法，如下例所示：

import pandas as pd

df = pd.DataFrame({
    "type": ["A", "A", "O", "B", "O", "A"],
    "value": [5, 3, 2, 1, 7, 3]
})

# Using count will throw an error because the
# Series returned is shorter than the original
# DataFrame

# df.loc[df.groupby("type")["type"].count() > 1]
df.loc[df.groupby("type")["type"].transform("size") > 1]

?? 6：列印Markdown表格

Markdown 是一種輕量級標記語言，用于使用純文本編輯器創建格式化文本，我們有時候會想在 markdown 格式中列印一個DataFrame，這時可以使用to_markdown()功能：

import pandas as pd

df = pd.DataFrame({'a': [1, 2, 3, 4],
                   'b': [5, 6, 7, 8]})

# You can control the printing of the index column
# by using the flag index.
print(df.to_markdown(index=True))

# Ouput markdown with a tabulate option
print(df.to_markdown(tablefmt="grid", index=True))

# To create a markdown file from the dataframe, pass
# the file name as paramters
df.to_markdown("README.md", tablefmt="grid", index=True)

?? 7：將分組后欄位聚合為串列

我們經常會使用groupby對資料進行分組并統計每組的聚合統計資訊，例如計數、平均值、中位數等，如果您想將分組后的資料欄位整合成串列，可以使用lambda x:list(x)，如下示例：

import pandas as pd

df = pd.DataFrame(
    {
        "col1": [1, 2, 3, 4, 3],
        "col2": ["a", "a", "b", "b", "c"],
        "col3": ["d", "e", "f", "g", "h"],
    }
)

# Group by col2
df.groupby(["col2"]).agg(
    {
        "col1": "mean",           # get mean
        "col3": lambda x: list(x) # get list
    }
)

?? 8：DataFrame.explode()

類似于上例，如果你想把一個DataFrame中某個字串欄位(列)展開為一個串列，然后將串列中的元素拆分成多行，可以使用str.split()和explode()組合，如下例：

import pandas as pd


df = pd.DataFrame({"a": ["1,2", "4,5"],
                   "b": [11, 13]})


# Turn strings into lists
df.a = df.a.str.split(",")
df

print(df.explode("a", ignore_index=False))

?? 9：資料相關性

如果要計算兩個 DataFrame 的行或列之間的相關性，可以使用.corrwith()：

import pandas as pd

df1 = pd.DataFrame({
    "a": [1, 2, 3, 4],
    "b": [2, 3, 4, 6]
})

df2 = pd.DataFrame({
    "a": [1, 2, 3, 3],
    "b": [2, 2, 5, 4]
})

df1.corrwith(df2)

?? 10：交叉制表

交叉制表支持我們分析多個變數之間的關系，可以使用pandas.crosstab()功能：

import pandas as pd

network = [
    ("Ben", "Smith"),
    ("Ben", "Patrick"),
    ("Warren", "Jone"),
    ("Warren", "Smith"),
    ("Smith", "Patrick"),
]

# Create a dataframe of the network
friends1 = pd.DataFrame(
    network, columns=["person1", "person2"]
)

# Create the order of the columns
friends2 = pd.DataFrame(
    network, columns=["person2", "person1"]
)

# Create a symmetric dataframe
friends = pd.concat([friends1, friends2])

# Create a cross tabulation
pd.crosstab(friends.person1, friends.person2)

?? 11：DataFrame.query()

我們可以使用df.query()功能進行資料過濾，它支持以簡潔的方式疊加很多個條件，

import pandas as pd

df = pd.DataFrame({
    "fruit": ["apple", "orange", "grape", "grape"],
    "price": [4, 5, 6, 7]
})

# Filter using brackets
df[(df.price > 4) & (df.fruit == "grape")]

# Filter using query
df.query("price > 4 & fruit == 'grape'")

?? 12：逆透視資料表

如果要將 DataFrame 從寬表格式轉換為長表格式，可以使用pandas.melt()，

如下例，我們可以使用pandas.melt()將多列（“Aldi”、“Walmart”、“Costco”）轉換為一列（“store”）的值，

import pandas as pd

df = pd.DataFrame({
    "fruit": ["apple", "orange"],
    "Aldi": [4, 5],
    "Walmart": [6, 7],
    "Costco": [1, 2]
})

df

# Turn Aldi, Walmart, Costco into values of "store"
df.melt(id_vars=["fruit"],
        value_vars=["Aldi", "Walmart", "Costco"],
        var_name='store')

?? 13：重命名聚合列

我們經常會使用分組聚合的功能，如果要為聚合分配新名稱，可以使用name = (column, agg_method)方法：

import pandas as pd

df = pd.DataFrame({"size": ["S", "S", "M", "L"],
                   "price": [44, 29.99, 10, 19]})

df.groupby('size').agg({'price': 'mean'})

# Assign name to the aggregation
df.groupby('size').agg(
    mean_price=('price', 'mean')
)

?? 14：填充空值

pandas.DataFrame.combine_first對兩個 DataFrame 進行聯合操作，實作合并的功能，

combine_first()方法根據 DataFrame 的行索引和列索引，對比兩個 DataFrame 中相同位置的資料，優先取非空的資料進行合并，

如果呼叫combine_first()方法的 df1 中資料非空，則結果保留 df1 中的資料，如果 df1 中的資料為空值且傳入combine_first()方法的 df2 中資料非空，則結果取 df2 中的資料，如果 df1 和 df2 中的資料都為空值，則結果保留 df1 中的空值(空值有三種：np.nan、None 和 pd.NaT)，

即使兩個 DataFrame 的形狀不相同也不受影響，聯合時主要是根據索引來定位資料的位置，

import pandas as pd

store1 = pd.DataFrame({
    "orange": [None, 5, 9],
    "apple": [4, None, 12]
})

store2 = pd.DataFrame({
    "orange": [31, 52, 91],
    "apple": [11, 71, 21]
})

# Fill null values of the store1 with values at the same
# locations from store2
store1.combine_first(store2)

?? 15：過濾 DataFrame 中的列

我們可以根據名稱中的子字串過濾 pandas DataFrame 的列，具體是使用 pandas 的DataFrame.filter功能，

import pandas as pd

df = pd.DataFrame({'Temp': ['Hot', 'Cold', 'Warm', 'Cold'],
                   'Degree': [35, 3, 15, 2]})
print(df)

df = pd.get_dummies(df, columns=['Temp'])
print(df)

print(df.filter(like='Temp', axis=1))

?? 16：自動轉換資料型別

對于 DataFrame 中的列，我們可以調整其資料型別，使用convert_dtypes()可以快速將它轉換為我們需要的資料型別，

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {
        "a": pd.Series([1, 2, 3], dtype=np.dtype("int32")),
        "b": pd.Series(["x", "y", "z"], dtype=np.dtype("O")),
        "c": pd.Series([True, False, np.nan], dtype=np.dtype("O")),
        "d": pd.Series(["h", "i", np.nan], dtype=np.dtype("O")),
        "e": pd.Series([10, np.nan, 20], dtype=np.dtype("float")),
        "f": pd.Series([np.nan, 100.5, 200], dtype=np.dtype("float")),
    }
)

df.dtypes

new_df = df.convert_dtypes()
new_df.dtypes

?? 17：將新列分配給 DataFrame

在我們處理資料的時候，有時需要根據某個列進行計算得到一個新列，以便后續使用，相當于是根據已知列得到新的列，這個時候assign函式非常方便，

import pandas as pd

time_sentences = ["Saturday: Weekend (Not working day)",
                  "Sunday: Weekend (Not working day)",
                  "Monday: Doctor appointment at 2:45pm.",
                  "Tuesday: Dentist appointment at 11:30 am.",
                  "Wednesday: basketball game At 7:00pm",
                  "Thursday: Back home by 11:15 pm.",
                  "Friday: Take the train at 08:10 am."]

df = pd.DataFrame(time_sentences, columns=['text'])

# Use Assign instead of using direct assignment 
# df['text'] = df.text.str.lower()
# df['text_len'] = df.text.str.len()
# df['word_count'] = df.text.str.count(" ") + 1
# df['weekend'] = df.text.str.contains("saturday|sunday", case=False)
print((
    df
    .assign(text=df.text.str.lower(),
            text_len=df.text.str.len(),
            word_count=df.text.str.count(" ") + 1,
            weekend=df.text.str.contains("saturday|sunday", case=False),
           )
))

?? 18：讀取 HTML 表格

我們可以使用.read_html()可用于快速合并來自各種網站的表格，我們不用關心它是如何抓取網站HTML的，

import pandas as pd

# 抓取股票資料
table = pd.read_html(
    "http://vip.stock.finance.sina.com.cn/q/go.php/vComStockHold/kind/jjzc/index.phtml"
)

table[0].head()

?? 19：nlargest 和 nsmallest

如果我們需要對資料欄位進行排序，可以使用.sort_values()，但是它會對所有資料排序，如果我們要獲取最大或者最小的 n 個數，可以利用.nlargest()和.nsmallest()，

這里用到的資料集是 ??IMDB電影評分資料集，大家可以通過 ShowMeAI 的百度網盤地址下載，

?? 實戰資料集下載（百度網盤）：公?眾?號『ShowMeAI研究中心』回復『實戰』，或者點擊這里獲取本文 [65]資深資料科學家整理的21個Pandas技巧『imdbratings資料集』

? ShowMeAI官方GitHub：https://github.com/ShowMeAI-Hub

import pandas as pd

df = pd.read_csv('data/imdbratings.csv',
                 usecols=['star_rating', 'title', 'genre', 'duration'])

print(df.head())

print(df.nlargest(5, "duration"))

print(df.nsmallest(5, "duration"))

?? 20：創建排序列

pandas 的DataFrame.rank()函式可以回傳欄位每個取值的排名，

在以下示例中，創建了一個新的排名列，該列按學生的分數對學生進行排名：

import pandas as pd

df = pd.DataFrame({'Students': ['John', 'Smith', 'Patrick', 'Bob', 'Jose'],
                   'Marks': [80, 56, 95, 75, 45]})
print(df)

df["Rank"] = df["Marks"].rank(ascending=False)
print(df)

?? 21：DataFrame 中的顏色值

可以為 dataframe 添加顏色樣式，增加更多的可讀性，Pandas 具有 style 屬性，可以設定顏色應用于 DataFrame，

import pandas as pd

df = pd.DataFrame({'Students': ['John', 'Smith', 'Patrick', 'Bob', 'Jose'],
                   'Physics': [80, 56, 95, 75, 45], 
                   'Mathematics': [90, 85, 55, 65, 75]})

df.set_index('Students', inplace=True)
df

def pass_condition(val):
    color = 'blue' if val > 70 else 'red'
    return f"background-color: {color}"

df.style.applymap(pass_condition)

參考資料

?? Python資料分析實戰教程 ：https://www.showmeai.tech/tutorials/40
?? 資料科學工具庫速查表 | Pandas 速查表：https://www.showmeai.tech/article-detail/101

高手系列！資料科學家私藏pandas高階用法大全 ?