本文分享给大家12 种 Numpy 和 Pandas 函数,这些高效的函数会令数据分析更为容易、便捷。
Numpy 的 6 种高效函数
首先从 Numpy 开始。Numpy 是用于科学计算的 Python 语言扩展包,通常包含强大的 N 维数组对象、复杂函数、用于整合 C/C++和 Fortran 代码的工具以及有用的线性代数、傅里叶变换和随机数生成能力。
除了上面这些明显的用途,Numpy 还可以用作通用数据的高效多维容器(container),定义任何数据类型。这使得 Numpy 能够实现自身与各种数据库的无缝、快速集成。
接下来一一解析 6 种 Numpy 函数。
argpartition()
借助于 argpartition(),Numpy 可以找出 N 个最大数值的索引,也会将找到的这些索引输出。然后我们根据需要对数值进行排序。
x?=?np.array([12,?10,?12,?,?6,?8,?9,?1,?16,?4,?6,?])index_val?=?np.argpartition(x,?-4)[-4:]
index_val
array([1,?8,?2,?],?dtype=int64)np.sort(x[index_val])
array([10,?12,?12,?16])
allclose()
allclose() 用于匹配两个数组,并得到布尔值表示的输出。如果在一个公差范围内(within a tolerance)两个数组不等同,则 allclose() 返回 False。该函数对于检查两个数组是否相似非常有用。
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?should?return?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
clip()
Clip() 使得一个数组中的数值保持在一个区间内。有时,我们需要保证数值在上下限范围内。为此,我们可以借助 Numpy 的 clip() 函数实现该目的。给定一个区间,则区间外的数值被剪切至区间上下限(interval edge)。
x?=?np.array([3,?17,?14,?23,?2,?2,?6,?8,?1,?2,?16,?])np.clip(x,2,5)
array([3,?5,?5,?5,?2,?2,?5,?5,?2,?2,?5,?2])
extract()
顾名思义,extract() 是在特定条件下从一个数组中提取特定元素。借助于 extract(),我们还可以使用 and 和 or 等条件。
#?Random?integers
array?=?np.random.randint(20,?size=12)
array
array([?,??1,??8,?19,?16,?18,?10,?11,??2,?13,?14,??3])#??Divide?by?2?and?check?if?remainder?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])#?Apply?condition?on?extract?directly
np.extract(((array??15)),?array)
array([?,??1,?19,?16,?18,??2])
where()
Where() 用于从一个数组中返回满足特定条件的元素。比如,它会返回满足特定条件的数值的索引位置。Where() 与 SQL 中使用的 where condition 类似,如以下示例所示:
y?=?np.array([1,5,6,8,1,7,3,6,9])#?Where?y?is?greater?than?5,?returns?index?position
np.where(y>5)
array([2,?3,?5,?7,?8],?dtype=int64),)#?First?will?replace?the?values?that?match?the?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=
percentile()
Percentile() 用于计算特定轴方向上数组元素的第 n 个百分位数。
a?=?np.array([1,5,6,8,1,7,3,6,9])print("50th?Percentile?of?a,?axis?=?0?:?",
np.percentile(a,?50,?axis?=))
50th?Percentile?of?a,?axis?=??:??6.0b?=?np.array([[10,?7,?4],?[3,?2,?1]])print("30th?Percentile?of?b,?axis?=?0?:?",
np.percentile(b,?30,?axis?=))
30th?Percentile?of?b,?axis?=??:??[5.1?3.5?1.9]
这就是 Numpy 扩展包的 6 种高效函数,相信会为你带来帮助。接下来看一看 Pandas 数据分析库的 6 种函数。
Pandas 数据统计包的 6 种高效函数
Pandas 也是一个 Python 包,它提供了快速、灵活以及具有显著表达能力的数据结构,旨在使处理结构化 (表格化、多维、异构) 和时间序列数据变得既简单又直观。
Pandas 适用于以下各类数据:
具有异构类型列的表格数据,如 SQL 表或 Excel 表;
有序和无序 (不一定是固定频率) 的时间序列数据;
带有行/列标签的任意矩阵数据(同构类型或者是异构类型);
其他任意形式的统计数据集。事实上,数据根本不需要标记就可以放入 Pandas 结构中。
Pandas 擅长处理的类型如下所示:
容易处理浮点数据和非浮点数据中的 缺失数据(用 NaN 表示);
大小可调整性: 可以从 DataFrame 或者更高维度的对象中插入或者是删除列;
显式数据可自动对齐: 对象可以显式地对齐至一组标签内,或者用户可以简单地选择忽略标签,使 Series、 DataFrame 等自动对齐数据;
灵活的分组功能,对数据集执行拆分-应用-合并等操作,对数据进行聚合和转换;
简化将数据转换为 DataFrame 对象的过程,而这些数据基本是 Python 和 NumPy 数据结构中不规则、不同索引的数据;
基于标签的智能切片、索引以及面向大型数据集的子设定;
更加直观地合并以及连接数据集;
更加灵活地重塑、转置(pivot)数据集;
轴的分级标记 (可能包含多个标记);
具有鲁棒性的 IO 工具,用于从平面文件 (CSV 和 delimited)、 Excel 文件、数据库中加在数据,以及从 HDF5 格式中保存 / 加载数据;
时间序列的特定功能: 数据范围的生成以及频率转换、移动窗口统计、数据移动和滞后等。
read_csv(nrows=n)
大多数人都会犯的一个错误是,在不需要.csv 文件的情况下仍会完整地读取它。如果一个未知的.csv 文件有 10GB,那么读取整个.csv 文件将会非常不明智,不仅要占用大量内存,还会花很多时间。我们需要做的只是从.csv 文件中导入几行,之后根据需要继续导入。
import?io
import?requests#?I?am?using?this?online?data?set?just?to?make?things?easier?for?you?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)
map()
map( ) 函数根据相应的输入来映射 Series 的值。用于将一个 Series 中的每个值替换为另一个值,该值可能来自一个函数、也可能来自于一个 dict 或 Series。
apply()
apply() 允许用户传递函数,并将其应用于 Pandas 序列中的每个值。
#?max?minus?mix?lambda?fn
fn?=?lambda?x:?x.max()?-?x.min()#?Apply?this?on?dframe?that?we ve?just?created?above
dframe.apply(fn)
isin()
lsin () 用于过滤数据帧。Isin () 有助于选择特定列中具有特定(或多个)值的行。
#?Using?the?dataframe?we?created?for?read_csv
filter1?=?df["value"].isin([112])
filter2?=?df["time"].isin([1949.000000])df?[filter1?&?filter2]
copy()
Copy () 函数用于复制 Pandas 对象。当一个数据帧分配给另一个数据帧时,如果对其中一个数据帧进行更改,另一个数据帧的值也将发生更改。为了防止这类问题,可以使用 copy () 函数。
#?creating?sample?series
data?=?pd.Series([India,?Pakistan,?China,?Mongolia])#?Assigning?issue?that?we?face
data1=?data
#?Change?a?value
data1[]=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)
select_dtypes()
select_dtypes() 的作用是,基于 dtypes 的列返回数据帧列的一个子集。这个函数的参数可设置为包含所有拥有特定数据类型的列,亦或者设置为排除具有特定数据类型的列。
#?We ll?use?the?same?dataframe?that?we?used?for?read_csv
framex?=??df.select_dtypes(include="float64")#?Returns?only?time?column
最后,pivot_table( ) 也是 Pandas 中一个非常有用的函数。如果对 pivot_table( ) 在 excel 中的使用有所了解,那么就非常容易上手了。
#?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
领取专属 10元无门槛券
私享最新 技术干货