本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)

大家都知道Pandas和NumPy函數(shù)很棒，它們在日常分析中起著重要的作用。沒有這兩個函數(shù)，人們將在這個龐大的數(shù)據(jù)分析和科學(xué)世界中迷失方向。

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

在本文結(jié)尾，讀者可以找到文中提到的代碼的JupyterNotebook。

從NumPy開始：

NumPy是使用Python進(jìn)行科學(xué)計算的基本軟件包。它包含以下內(nèi)容：

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

除明顯的科學(xué)用途外，NumPy是高效的通用數(shù)據(jù)多維容器，可以定義任意數(shù)據(jù)類型。這使NumPy能夠無縫且高速地與各種數(shù)據(jù)庫進(jìn)行集成。

1. allclose()

Allclose() 用于匹配兩個數(shù)組并且以布爾值形式輸出。如果兩個數(shù)組的項在公差范圍內(nèi)不相等，則返回False。這是檢查兩個數(shù)組是否相似的好方法，因為這一點實際很難手動實現(xiàn)。

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(shù)非常優(yōu)秀，可以找到N最大值索引。輸出N最大值索引，然后根據(jù)需要，對值進(jìn)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() 用于將值保留在間隔的數(shù)組中。有時，需要將值保持在上限和下限之間。因此，可以使用NumPy的clip()函數(shù)。給定一個間隔，該間隔以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(shù)用于根據(jù)特定條件從數(shù)組中提取特定元素。有了該函數(shù)，還可以使用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()用于計算沿指定軸的數(shù)組元素的第n個百分位數(shù)。

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() 用于從滿足特定條件的數(shù)組中返回元素。它返回在特定條件下值的索引位置。這差不多類似于在SQL中使用的where語句。請看以下示例中的演示。

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') 

接著來講一講神奇的Pandas函數(shù)。

Pandas

Pandas是一個Python軟件包，提供快速、靈活和富有表現(xiàn)力的數(shù)據(jù)結(jié)構(gòu)，旨在使處理結(jié)構(gòu)化(表格，多維，潛在異構(gòu))的數(shù)據(jù)和時間序列數(shù)據(jù)既簡單又直觀。

Pandas非常適合許多不同類型的數(shù)據(jù)：

• 具有異構(gòu)類型列的表格數(shù)據(jù)，例如在SQL表或Excel電子表格中
• 有序和無序(不一定是固定頻率)的時間序列數(shù)據(jù)。
• 具有行和列標(biāo)簽的任意矩陣數(shù)據(jù)(同類型或異類)
• 觀察/統(tǒng)計數(shù)據(jù)集的任何其他形式。實際上，數(shù)據(jù)根本不需要標(biāo)記，即可放入Pandas數(shù)據(jù)結(jié)構(gòu)。

以下是Pandas的優(yōu)勢：

• 輕松處理浮點數(shù)據(jù)和非浮點數(shù)據(jù)中的缺失數(shù)據(jù)(表示為NaN)
• 大小可變性：可以從DataFrame和更高維的對象中插入和刪除列
• 自動和顯式的數(shù)據(jù)對齊：在計算中，可以將對象顯式對齊到一組標(biāo)簽，或者用戶可以直接忽略標(biāo)簽，并讓Series，DataFrame等自動對齊數(shù)據(jù)
• 強大靈活的分組功能，可對數(shù)據(jù)集執(zhí)行拆分-應(yīng)用-合并操作，以匯總和轉(zhuǎn)換數(shù)據(jù)
• 輕松將其他Python和NumPy數(shù)據(jù)結(jié)構(gòu)中的不規(guī)則的、索引不同的數(shù)據(jù)轉(zhuǎn)換為DataFrame對象
• 大數(shù)據(jù)集的智能標(biāo)簽的切片，高級索引和子集化
• 直觀的合并和聯(lián)接數(shù)據(jù)集
• 數(shù)據(jù)集的靈活重塑和旋
• 坐標(biāo)軸的分層標(biāo)簽(每個刻度可能有多個標(biāo)簽)
• 強大的IO工具，用于從平面文件(CSV和定界文件)、 Excel文件，數(shù)據(jù)庫加載數(shù)據(jù)，以及以超高速HDF5格式保存/加載數(shù)據(jù)
• 特定于時間序列的功能：日期范圍生成和頻率轉(zhuǎn)換、移動窗口統(tǒng)計、日期移位和滯后。

1. apply()

Apply() 函數(shù)允許用戶傳遞函數(shù)并將其應(yīng)用于Pandas序列中每個單一值。

# 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(shù)用于創(chuàng)建Pandas對象的副本。將數(shù)據(jù)幀分配給另一個數(shù)據(jù)幀時，在另一個數(shù)據(jù)幀中進(jìn)行更改，其值也會進(jìn)行同步更改。為了避免出現(xiàn)上述問題，可以使用copy()函數(shù)。

# 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)

讀者可能已經(jīng)知道了read-csv函數(shù)的重要性。但即使不必要，大多數(shù)人仍會錯誤地讀取整個.csv文件。假設(shè)未知10GB的.csv文件中的列和數(shù)據(jù)，在這種情況下讀取整個.csv文件并非明智的決定，因為這會浪費內(nèi)存和時間。可以僅從.csv中導(dǎo)入幾行，然后根據(jù)需要繼續(xù)操作。

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(shù)用于根據(jù)輸入對應(yīng)關(guān)系映射Series的值。用于將序列(Series)中的每個值替換為另一個值，該值可以從函數(shù)、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(shù)用于過濾數(shù)據(jù)幀。Isin() 有助于選擇在特定列中具有特定(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(shù)基于dtypes列返回數(shù)據(jù)框的列的子集。設(shè)置此函數(shù)的參數(shù)，以包括具有某些特定數(shù)據(jù)類型的所有列;也可對其進(jìn)行設(shè)置，以排除具有某些特定數(shù)據(jù)類型的所有列。

# 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。如果你糾結(jié)于是否使用groupby，并想擴展其功能，那么不妨試試pivot-table。如果明白數(shù)據(jù)透視表在excel中的工作原理，那么一切就非常簡單了。數(shù)據(jù)透視表中的級別將存貯在MultiIndex對象(分層索引)中，而該對象位于DataFrame結(jié)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