自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

獨(dú)家分享！5個(gè)鮮為人知的Pandas技巧

作者：讀芯術(shù)
開(kāi)發(fā) 后端 數(shù)據(jù)庫(kù)運(yùn)維
Pandas為Python營(yíng)造了一個(gè)高水平的操作環(huán)境，還提供了便于操作的數(shù)據(jù)結(jié)構(gòu)和分析工具

 Pandas為Python營(yíng)造了一個(gè)高水平的操作環(huán)境，還提供了便于操作的數(shù)據(jù)結(jié)構(gòu)和分析工具

[[282978]]

無(wú)需更多介紹，Pandas已經(jīng)是Python中數(shù)據(jù)分析的常用工具了。作為一個(gè)數(shù)據(jù)科學(xué)家，Pandas是我日常使用的工具，我總會(huì)驚嘆于它強(qiáng)大的功能。本篇文章將會(huì)講解5個(gè)我最近學(xué)到的，并且極大提升了工作效率的Pandas技巧。

對(duì)于pandas新手而言，Pandas為Python編程語(yǔ)言營(yíng)造了一個(gè)高水平的操作環(huán)境，還提供了便于操作的數(shù)據(jù)結(jié)構(gòu)和分析工具。Pandas這個(gè)名字是由“面板數(shù)據(jù)”(panel data)衍生而來(lái)，這是一個(gè)計(jì)量經(jīng)濟(jì)學(xué)中的術(shù)語(yǔ)，它是一個(gè)數(shù)據(jù)集，由同一個(gè)個(gè)體在多個(gè)時(shí)間段內(nèi)所觀察的結(jié)果組成。

1. 數(shù)據(jù)范圍

從外部應(yīng)用程序接口(API)或者數(shù)據(jù)庫(kù)中抓取數(shù)據(jù)的時(shí)候，通常需要確定一個(gè)數(shù)據(jù)范圍。Pandas可以很好地解決這一問(wèn)題，它的data_range函數(shù)能夠產(chǎn)出按日、月、年等方式遞增的日期。

假設(shè)現(xiàn)在需要一組按天數(shù)遞增的數(shù)據(jù)范圍。

 

  1. date_from ="2019-01-01" 
  2.  
  3. date_to = "2019-01-12" 
  4.  
  5. date_range = pd.date_range(date_from, date_to, freq="D") 
  6.  
  7. date_range 

 

 

獨(dú)家分享！5個(gè)鮮為人知的Pandas技巧

 

把產(chǎn)出的date_range轉(zhuǎn)化為開(kāi)始和結(jié)束日期，這一步可以用后續(xù)函數(shù)(subsequentfunction)完成。

 

  1. for i, (date_from, date_to) inenumerate(zip(date_range[:-1], date_range[1:]), 1): 
  2.  
  3. date_from = date_from.date().isoformat() 
  4.  
  5. date_to = date_to.date().isoformat() 
  6.  
  7. print("%d. date_from: %s,date_to: %s" % (i, date_from, date_to))1. date_from: 2019-01-01,date_to: 2019-01-02 

 

2. date_from: 2019-01-02, date_to: 2019-01-03

3. date_from: 2019-01-03, date_to: 2019-01-04

4. date_from: 2019-01-04, date_to: 2019-01-05

5. date_from: 2019-01-05, date_to: 2019-01-06

6. date_from: 2019-01-06, date_to: 2019-01-07

7. date_from: 2019-01-07, date_to: 2019-01-08

8. date_from: 2019-01-08, date_to: 2019-01-09

9. date_from: 2019-01-09, date_to: 2019-01-10

10. date_from: 2019-01-10, date_to: 2019-01-11

11. date_from: 2019-01-11, date_to: 2019-01-12

2. 使用指示符合并

合并兩個(gè)數(shù)據(jù)集就是將它們變成一個(gè)數(shù)據(jù)集的過(guò)程，這需要根據(jù)它們的公共屬性或欄來(lái)對(duì)齊其中的每一行。

合并函數(shù)中有許多arguments(對(duì)應(yīng)于傳遞給函數(shù)的參數(shù)的類(lèi)數(shù)組對(duì)象)，其中指示符(indicator)argument可主要應(yīng)用到合并過(guò)程中，它在左、右或者兩邊的數(shù)據(jù)幀(DataFrame)函數(shù)添加_merge欄，這一欄就顯示了“數(shù)據(jù)行是哪里來(lái)的”。用_merge欄來(lái)處理更大的數(shù)據(jù)集會(huì)非常有用，尤其是需要檢查合并操作的正確率時(shí)。

 

  1. left = pd.DataFrame({"key":["key1", "key2", "key3", "key4"],"value_l": [1, 2, 3, 4]}) 

 

獨(dú)家分享！5個(gè)鮮為人知的Pandas技巧

 

 

 

  1. right = pd.DataFrame({"key":["key3", "key2", "key1", "key6"],"value_r": [3, 2, 1, 6]}) 

 

獨(dú)家分享！5個(gè)鮮為人知的Pandas技巧

 

 

  1. df_merge = left.merge(right,on='key', how='left',indicator=True) 

 

獨(dú)家分享！5個(gè)鮮為人知的Pandas技巧

 

_merge欄可以用來(lái)檢查是否得到了我們預(yù)期的行數(shù)，而且它反映的是來(lái)自?xún)蓚€(gè)數(shù)據(jù)框架的預(yù)期值。

 

  1. df_merge._merge.value_counts()both 3 
  2.  
  3. left_only 1 
  4.  
  5. right_only 0 
  6.  
  7. Name: _merge, dtype: int64 

 

3. 最近合并(Nearest merge)

在處理像股票或者加密貨幣一類(lèi)的金融數(shù)據(jù)時(shí)，還需要把報(bào)價(jià)(價(jià)格變化)與實(shí)際交易結(jié)合?，F(xiàn)在，假設(shè)目的是希望將每筆交易與之前幾毫秒產(chǎn)生的報(bào)價(jià)合并起來(lái)。Pandas有一個(gè)merge_asof函數(shù)，它能夠通過(guò)最近的key(本文中指時(shí)間戳)來(lái)合并數(shù)據(jù)框架。有關(guān)報(bào)價(jià)和交易的數(shù)據(jù)集可以從pandas實(shí)例中獲得。

報(bào)價(jià)數(shù)據(jù)框架包含了不同股票的價(jià)格變化。通常情況下，報(bào)價(jià)要比交易多得多。

 

  1. quotes = pd.DataFrame( 
  2.  
  3. [ 
  4.  
  5. ["2016-05-2513:30:00.023", "GOOG", 720.50, 720.93], 
  6.  
  7. ["2016-05-2513:30:00.023", "MSFT", 51.95, 51.96], 
  8.  
  9. ["2016-05-2513:30:00.030", "MSFT", 51.97, 51.98], 
  10.  
  11. ["2016-05-2513:30:00.041", "MSFT", 51.99, 52.00], 
  12.  
  13. ["2016-05-2513:30:00.048", "GOOG", 720.50, 720.93], 
  14.  
  15. ["2016-05-2513:30:00.049", "AAPL", 97.99, 98.01], 
  16.  
  17. ["2016-05-2513:30:00.072", "GOOG", 720.50, 720.88], 
  18.  
  19. ["2016-05-2513:30:00.075", "MSFT", 52.01, 52.03], 
  20.  
  21. ], 
  22.  
  23. columns=["timestamp","ticker", "bid", "ask"], 
  24.  
  25. ) 
  26.  
  27. quotes['timestamp'] = pd.to_datetime(quotes['timestamp']) 

 

 

獨(dú)家分享！5個(gè)鮮為人知的Pandas技巧

 

交易數(shù)據(jù)框架包含了不同股票的交易信息。

 

  1. trades = pd.DataFrame( 
  2.  
  3. [ 
  4.  
  5. ["2016-05-2513:30:00.023", "MSFT", 51.95, 75], 
  6.  
  7. ["2016-05-2513:30:00.038", "MSFT", 51.95, 155], 
  8.  
  9. ["2016-05-2513:30:00.048", "GOOG", 720.77, 100], 
  10.  
  11. ["2016-05-2513:30:00.048", "GOOG", 720.92, 100], 
  12.  
  13. ["2016-05-2513:30:00.048", "AAPL", 98.00, 100], 
  14.  
  15. ], 
  16.  
  17. columns=["timestamp","ticker", "price", "quantity"], 
  18.  
  19. ) 
  20.  
  21. trades['timestamp'] = pd.to_datetime(trades['timestamp']) 

 

 

獨(dú)家分享！5個(gè)鮮為人知的Pandas技巧

 

通過(guò)股價(jià)報(bào)告(tickers)可以合并交易和報(bào)價(jià)信息，報(bào)告中報(bào)價(jià)可能只比交易遲了10毫秒。如果報(bào)價(jià)的時(shí)間差長(zhǎng)于10毫秒，或者沒(méi)有報(bào)價(jià)，任何出價(jià)和詢(xún)問(wèn)報(bào)價(jià)都是無(wú)效的(以蘋(píng)果股價(jià)報(bào)告*為例)。

*蘋(píng)果股價(jià)報(bào)告：AAPL ticker。

 

  1. pd.merge_asof(trades,quotes, on="timestamp", by='ticker', tolerance=pd.Timedelta('10ms'),direction='backward') 

 

獨(dú)家分享！5個(gè)鮮為人知的Pandas技巧

 

4. 創(chuàng)建Excel報(bào)告

 

獨(dú)家分享！5個(gè)鮮為人知的Pandas技巧

 

Pandas和XlsxWriter庫(kù)同時(shí)使用能夠幫助我們創(chuàng)建基于數(shù)據(jù)框架的Excel 報(bào)告。這能節(jié)省很多時(shí)間，不用再花時(shí)間先把數(shù)據(jù)框架存為csv格式，然后再導(dǎo)入Excel排版。還可以直接加入各種圖表等多種便捷操作。

 

  1. df = pd.DataFrame(pd.np.array([[1,2, 3], [4, 5, 6], [7, 8, 9]]), columns=["a", "b","c"]) 

以下的一小段代碼就創(chuàng)建了一個(gè)Excel報(bào)告。要想將一個(gè)數(shù)據(jù)框架存儲(chǔ)到Excel文件，需要反注釋writer.save()行。

 

  1. report_name ='example_report.xlsx' 
  2.  
  3. sheet_name = 'Sheet1'writer = pd.ExcelWriter(report_name,engine='xlsxwriter') 
  4.  
  5. df.to_excel(writer, sheet_name=sheet_name, index=False) 
  6.  
  7. # writer.save() 

 

正如前文中提到的那樣，這個(gè)數(shù)據(jù)庫(kù)也支持添加圖表到Excel報(bào)告中。這需要確定圖表的類(lèi)型(本文中是線形圖表)以及圖表所反映的數(shù)據(jù)序列，注意，這些數(shù)據(jù)序列應(yīng)位于Excel的電子表格程序里(spreadsheet)。

 

  1. # define the workbook 
  2.  
  3. workbook= writer.book 
  4.  
  5. worksheet = writer.sheets[sheet_name]# create a chart lineobject 
  6.  
  7. chart = workbook.add_chart({'type': 'line'})# configurethe series of the chart from the spreadsheet 
  8.  
  9. # using a list of values instead of category/value formulas: 
  10.  
  11. # [sheetname, first_row, first_col,last_row, last_col] 
  12.  
  13. chart.add_series({ 
  14.  
  15. 'categories': [sheet_name, 1, 0, 3,0], 
  16.  
  17. 'values': [sheet_name, 1, 1, 3, 1], 
  18.  
  19. })# configure the chart axes 
  20.  
  21. chart.set_x_axis({'name': 'Index', 'position_axis': 'on_tick'}) 
  22.  
  23. chart.set_y_axis({'name': 'Value', 'major_gridlines': {'visible':False}})# place the chart on the worksheet 
  24.  
  25. worksheet.insert_chart('E2', chart)# output the excel file 
  26.  
  27. writer.save() 

 

5. 節(jié)省磁盤(pán)空間

同時(shí)處理幾個(gè)數(shù)據(jù)科學(xué)項(xiàng)目，結(jié)束后通常會(huì)有很多從不同實(shí)驗(yàn)中得到的預(yù)處理數(shù)據(jù)集。這樣筆記本電腦的固態(tài)硬盤(pán)很快就會(huì)被這些數(shù)據(jù)塞滿。Pandas在保存數(shù)據(jù)集時(shí)發(fā)揮作用，壓縮數(shù)據(jù)，讀取這些數(shù)據(jù)時(shí)又是解壓形式。

不妨創(chuàng)建一個(gè)隨機(jī)數(shù)字的大Pandas數(shù)據(jù)框架。

 

  1. df = pd.DataFrame(pd.np.random.randn(50000,300)) 

 

獨(dú)家分享！5個(gè)鮮為人知的Pandas技巧

 

如果把這個(gè)文件存為csv格式，它會(huì)占掉硬盤(pán)驅(qū)動(dòng)器上300MB的空間。

 

  1. df.to_csv('random_data.csv',index=False) 

通過(guò)一個(gè)compression=‘gzip’argument，就可以將文件大小縮至136MB。

 

  1. df.to_csv('random_data.gz',compression='gzip', index=False) 

同時(shí)，在數(shù)據(jù)框架上讀取gzipped數(shù)據(jù)也很容易，所以功能上并不會(huì)有任何損失。

 

  1. df = pd.read_csv('random_data.gz') 

結(jié)語(yǔ)

這些pandas技巧極大的提高了工作效率。希望這篇文章能幫助到你，通過(guò)展示pandas新功能，提高你的工作效率。

你最喜歡哪一個(gè)pandas技巧呢?

責(zé)任編輯：華軒 來(lái)源： 今日頭條
Python數(shù)據(jù)結(jié)構(gòu)數(shù)據(jù)庫(kù)
相關(guān)推薦

2023-04-23 15:11:26

2016-05-03 10:19:04

H5技巧干貨

2009-09-14 09:45:20

Chrome谷歌操作系統(tǒng)

2019-10-08 16:24:33

Chrome瀏覽器

2019-12-12 20:49:05

JavaScript語(yǔ)言運(yùn)算符

2019-12-06 14:30:41

GNU調(diào)試器GDB修復(fù)代碼

2024-03-04 16:32:02

JavaScript運(yùn)算符

2014-04-22 16:38:12

GitHubGitHub 使用技巧

2022-05-30 09:01:13

CSS技巧前端

2023-09-08 13:11:00

NumPyPandasPython庫(kù)

2014-07-29 14:25:43

Unix命令

2017-11-08 14:55:16

Linux命令sudo

2009-03-05 09:48:25

查詢(xún)技巧MySQL

2021-08-03 09:55:37

Python函數(shù)編程語(yǔ)言

2010-01-07 10:05:51

IT顧問(wèn)特質(zhì)

2024-09-26 16:28:42

Pythonif代碼

2013-07-15 09:14:00

2011-05-03 13:13:52

編程PHPJava

2018-12-10 19:30:45

2024-09-10 08:35:57

點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)