12個很棒的Pandas和NumPy函數，讓python數據分析事半功倍

你們都知道Pandas和NumPy函數很棒，它們在平常分析中起着重要的做用。沒有這兩個函數，人們將在這個龐大的數據分析和科學世界中迷失方向。

今天，小芯將分享12個很棒的Pandas和NumPy函數，這些函數將會讓生活更便捷，讓分析事半功倍。

在本文結尾，讀者能夠找到文中提到的代碼的JupyterNotebook。

從NumPy開始：

NumPy是使用Python進行科學計算的基本軟件包。它包含如下內容：

• 強大的N維數組對象
• 複雜的(廣播broadcasting)功能
• 集成C / C++和Fortran代碼工具
• 有用的線性代數，傅立葉變換和隨機數功能

除明顯的科學用途外，NumPy是高效的通用數據多維容器，能夠定義任意數據類型。這使NumPy可以無縫且高速地與各類數據庫進行集成。

1. allclose()

Allclose() 用於匹配兩個數組而且以布爾值形式輸出。若是兩個數組的項在公差範圍內不相等，則返回False。這是檢查兩個數組是否類似的好方法，由於這一點實際很難手動實現。

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()

NumPy的這個函數很是優秀，能夠找到N最大值索引。輸出N最大值索引，而後根據須要，對值進行排序。

x = np.array([12, 10, 12, 0, 6, 8, 9, 1, 16, 4, 6,0])index_val = np.argpartition(x, -4)[-4:]  index_val  array([1, 8, 2, 0], dtype=int64)np.sort(x[index_val])  array([10, 12, 12, 16])  

3. clip()

Clip() 用於將值保留在間隔的數組中。有時，須要將值保持在上限和下限之間。所以，可使用NumPy的clip()函數。給定一個間隔，該間隔之外的值都將被裁剪到間隔邊緣。

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()

顧名思義，extract() 函數用於根據特定條件從數組中提取特定元素。有了該函數，還可使用and和or等的語句。

# Random integers 
array = np.random.randint(20, size=12)  array  array([ 0,  1,  8, 19, 16, 18, 10, 11,  2, 13, 14, 3])#  Divide by 2 and check ifremainder is 1  cond = np.mod(array, 2)==1  cond  array([False,  True, False,  True, False, False, False,  True, False, True, False,  True])# Use extract to get the values  np.extract(cond, array)  array([ 1, 19, 11, 13,  3])# Applycondition on extract directly  np.extract(((array < 3) | (array > 15)), array)  array([ 0,  1, 19, 16, 18,  2])  

5. percentile()

Percentile()用於計算沿指定軸的數組元素的第n個百分位數。

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() 用於從知足特定條件的數組中返回元素。它返回在特定條件下值的索引位置。這差很少相似於在SQL中使用的where語句。請看如下示例中的演示。

y = np.array([1,5,6,8,1,7,3,6,9])# Where y is greaterthan 5, returns index position  np.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 not  np.where(y>5, "Hit", "Miss")  array(['Miss', 'Miss', 'Hit', 'Hit', 'Miss', 'Hit', 'Miss', 'Hit','Hit'],dtype='<U4')  

接着來說一講神奇的Pandas函數。

Pandas

Pandas是一個Python軟件包，提供快速、靈活和富有表現力的數據結構，旨在使處理結構化(表格，多維，潛在異構)的數據和時間序列數據既簡單又直觀。

Pandas很是適合許多不一樣類型的數據：

• 具備異構類型列的表格數據，例如在SQL表或Excel電子表格中
• 有序和無序(不必定是固定頻率)的時間序列數據。
• 具備行和列標籤的任意矩陣數據(同類型或異類)
• 觀察/統計數據集的任何其餘形式。實際上，數據根本不須要標記，便可放入Pandas數據結構。

如下是Pandas的優點：

• 輕鬆處理浮點數據和非浮點數據中的缺失數據(表示爲NaN)
• 大小可變性：能夠從DataFrame和更高維的對象中插入和刪除列
• 自動和顯式的數據對齊：在計算中，能夠將對象顯式對齊到一組標籤，或者用戶能夠直接忽略標籤，並讓Series，DataFrame等自動對齊數據
• 強大靈活的分組功能，可對數據集執行拆分-應用-合併操做，以彙總和轉換數據
• 輕鬆將其餘Python和NumPy數據結構中的不規則的、索引不一樣的數據轉換爲DataFrame對象
• 大數據集的智能標籤的切片，高級索引和子集化
• 直觀的合併和聯接數據集
• 數據集的靈活重塑和旋
• 座標軸的分層標籤(每一個刻度可能有多個標籤)
• 強大的IO工具，用於從平面文件(CSV和定界文件)、 Excel文件，數據庫加載數據，以及以超高速HDF5格式保存/加載數據
• 特定於時間序列的功能：日期範圍生成和頻率轉換、移動窗口統計、日期移位和滯後。

1. apply()

Apply() 函數容許用戶傳遞函數並將其應用於Pandas序列中每一個單一值。

# max minus mix lambda fn 
fn = lambda x: x.max() - x.min()# Apply this on dframe that we've just createdabove  dframe.apply(fn)  

2. copy()

Copy()函數用於建立Pandas對象的副本。將數據幀分配給另外一個數據幀時，在另外一個數據幀中進行更改，其值也會進行同步更改。爲了不出現上述問題，可使用copy()函數。

# creating sample series 
data = pd.Series(['India', 'Pakistan', 'China', 'Mongolia'])# Assigning issuethat we face  datadata1= data  # Change a value  data1[0]='USA'  # Also changes value in old dataframe  data# To prevent that, we use  # creating copy of series  new = data.copy()# assigning new values  new[1]='Changed value'# printing data  print(new)  print(data)  

3. read_csv(nrows=n)

來源：Pexels

讀者可能已經知道了read-csv函數的重要性。但即便沒必要要，大多數人仍會錯誤地讀取整個.csv文件。假設未知10GB的.csv文件中的列和數據，在這種狀況下讀取整個.csv文件並不是明智的決定，由於這會浪費內存和時間。能夠僅從.csv中導入幾行，而後根據須要繼續操做。

import io 
import requests# I am using this online data set just to make things easier foryou guys  url = "https://raw.github.com/vincentarelbundock/Rdatasets/master/csv/datasets/AirPassengers.csv"  s = requests.get(url).content# read only first 10 rows  df = pd.read_csv(io.StringIO(s.decode('utf-8')),nrows=10 , index_col=0)  

4. map()

map()函數用於根據輸入對應關係映射Series的值。用於將序列(Series)中的每一個值替換爲另外一個值，該值能夠從函數、字典或序列(Series)中得出。

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

5. isin()

Isin() 函數用於過濾數據幀。Isin() 有助於選擇在特定列中具備特定(或多個)值的行。這是筆者見過的最有用的功能。

# Using the dataframe we created for read_csv 
filter1 = df["value"].isin([112])  filter2 = df["time"].isin([1949.000000])df [filter1 & filter2]  

6. select_dtypes()

select_dtypes()函數基於dtypes列返回數據框的列的子集。設置此函數的參數，以包括具備某些特定數據類型的全部列;也可對其進行設置，以排除具備某些特定數據類型的全部列。

# We'll use the same dataframe that we used for read_csv 
framex = 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。若是你糾結因而否使用groupby，並想擴展其功能，那麼不妨試試pivot-table。若是明白數據透視表在excel中的工做原理，那麼一切就很是簡單了。數據透視表中的級別將存貯在MultiIndex對象(分層索引)中，而該對象位於DataFrame結果的索引和列上。

# Create a sample dataframe 
school = 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 course  table = pd.pivot_table(school, values ='A', index =['B', 'C'],                           columns =['B'], aggfunc = np.sum,fill_value="Not Available")     table