本文分享給大家 12 種 Numpy 和 Pandas 函數(shù)，這些高效的函數(shù)會(huì)令數(shù)據(jù)分析更為容易、便捷。最后，讀者也可以在 GitHub 項(xiàng)目中找到本文所用代碼的 Jupyter Notebook。

項(xiàng)目地址：https://github.com/kunaldhariwal/12-Amazing-Pandas-NumPy-Functions

Numpy 的 6 種高效函數(shù)

首先從 Numpy 開(kāi)始。Numpy 是用于科學(xué)計(jì)算的 Python 語(yǔ)言擴(kuò)展包，通常包含強(qiáng)大的 N 維數(shù)組對(duì)象、復(fù)雜函數(shù)、用于整合 C/C++和 Fortran 代碼的工具以及有用的線性代數(shù)、傅里葉變換和隨機(jī)數(shù)生成能力。

除了上面這些明顯的用途，Numpy 還可以用作通用數(shù)據(jù)的高效多維容器（container），定義任何數(shù)據(jù)類(lèi)型。這使得 Numpy 能夠?qū)崿F(xiàn)自身與各種數(shù)據(jù)庫(kù)的無(wú)縫、快速集成。

接下來(lái)一一解析 6 種 Numpy 函數(shù)。

1、argpartition()

借助于 argpartition()，Numpy 可以找出 N 個(gè)最大數(shù)值的索引，也會(huì)將找到的這些索引輸出。然后我們根據(jù)需要對(duì)數(shù)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]) 

2、allclose()

allclose() 用于匹配兩個(gè)數(shù)組，并得到布爾值表示的輸出。如果在一個(gè)公差范圍內(nèi)（within a tolerance）兩個(gè)數(shù)組不等同，則 allclose() 返回 False。該函數(shù)對(duì)于檢查兩個(gè)數(shù)組是否相似非常有用。 

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 

3、clip()

Clip() 使得一個(gè)數(shù)組中的數(shù)值保持在一個(gè)區(qū)間內(nèi)。有時(shí)，我們需要保證數(shù)值在上下限范圍內(nèi)。為此，我們可以借助 Numpy 的 clip() 函數(shù)實(shí)現(xiàn)該目的。給定一個(gè)區(qū)間，則區(qū)間外的數(shù)值被剪切至區(qū)間上下限（interval edge）。 

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() 是在特定條件下從一個(gè)數(shù)組中提取特定元素。借助于 extract()，我們還可以使用 and 和 or 等條件。 

# 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 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 < 3) | (array > 15)), array)  
array([ 0,  1, 19, 16, 18,  2]) 

5、where()

Where() 用于從一個(gè)數(shù)組中返回滿足特定條件的元素。比如，它會(huì)返回滿足特定條件的數(shù)值的索引位置。Where() 與 SQL 中使用的 where condition 類(lèi)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= <U4 ) 

6、percentile()

Percentile() 用于計(jì)算特定軸方向上數(shù)組元素的第 n 個(gè)百分位數(shù)。 

a = np.array([1,5,6,8,1,7,3,6,9])print("50th Percentile 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 :  [5.1 3.5 1.9] 

這就是 Numpy 擴(kuò)展包的 6 種高效函數(shù)，相信會(huì)為你帶來(lái)幫助。接下來(lái)看一看 Pandas 數(shù)據(jù)分析庫(kù)的 6 種函數(shù)。

Pandas的 6 種高效函數(shù)

Pandas 也是一個(gè) Python 包，它提供了快速、靈活以及具有顯著表達(dá)能力的數(shù)據(jù)結(jié)構(gòu)，旨在使處理結(jié)構(gòu)化 (表格化、多維、異構(gòu)) 和時(shí)間序列數(shù)據(jù)變得既簡(jiǎn)單又直觀。

Pandas 適用于以下各類(lèi)數(shù)據(jù):

•  具有異構(gòu)類(lèi)型列的表格數(shù)據(jù)，如 SQL 表或 Excel 表；
•  有序和無(wú)序 (不一定是固定頻率) 的時(shí)間序列數(shù)據(jù)；
•  帶有行/列標(biāo)簽的任意矩陣數(shù)據(jù)（同構(gòu)類(lèi)型或者是異構(gòu)類(lèi)型）；
•  其他任意形式的統(tǒng)計(jì)數(shù)據(jù)集。事實(shí)上，數(shù)據(jù)根本不需要標(biāo)記就可以放入 Pandas 結(jié)構(gòu)中。

1、read_csv(nrows=n)

大多數(shù)人都會(huì)犯的一個(gè)錯(cuò)誤是，在不需要.csv 文件的情況下仍會(huì)完整地讀取它。如果一個(gè)未知的.csv 文件有 10GB，那么讀取整個(gè).csv 文件將會(huì)非常不明智，不僅要占用大量?jī)?nèi)存，還會(huì)花很多時(shí)間。我們需要做的只是從.csv 文件中導(dǎo)入幾行，之后根據(jù)需要繼續(xù)導(dǎo)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) 

2、map()

map( ) 函數(shù)根據(jù)相應(yīng)的輸入來(lái)映射 Series 的值。用于將一個(gè) Series 中的每個(gè)值替換為另一個(gè)值，該值可能來(lái)自一個(gè)函數(shù)、也可能來(lái)自于一個(gè) dict 或 Series。 

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

3、apply()

apply() 允許用戶傳遞函數(shù)，并將其應(yīng)用于 Pandas 序列中的每個(gè)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) 

4、isin()

lsin () 用于過(guò)濾數(shù)據(jù)幀。Isin () 有助于選擇特定列中具有特定（或多個(gè)）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] 

5、copy()

Copy () 函數(shù)用于復(fù)制 Pandas 對(duì)象。當(dāng)一個(gè)數(shù)據(jù)幀分配給另一個(gè)數(shù)據(jù)幀時(shí)，如果對(duì)其中一個(gè)數(shù)據(jù)幀進(jìn)行更改，另一個(gè)數(shù)據(jù)幀的值也將發(fā)生更改。為了防止這類(lèi)問(wèn)題，可以使用 copy () 函數(shù)。 

# creating sample series   
data = pd.Series([ India ,  Pakistan ,  China ,  Mongolia ])# Assigning issue that 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) 

6、select_dtypes()

select_dtypes() 的作用是，基于 dtypes 的列返回?cái)?shù)據(jù)幀列的一個(gè)子集。這個(gè)函數(shù)的參數(shù)可設(shè)置為包含所有擁有特定數(shù)據(jù)類(lèi)型的列，亦或者設(shè)置為排除具有特定數(shù)據(jù)類(lèi)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 中一個(gè)非常有用的函數(shù)。如果對(duì) 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