全文共5431字，预计学习时长16分钟

来源：Pexels

大家都知道Pandas和NumPy函数很棒，它们在日常分析中起着重要的作用。没有这两个函数，人们将在这个庞大的数据分析和科学世界中迷失方向。

今天，小芯将分享12个很棒的Pandas和NumPy函数，这些函数将会让生活更便捷，让分析事半功倍。

在本文结尾，读者可以找到文中提到的代码的JupyterNotebook。

从NumPy开始：

NumPy是使用Python进行科学计算的基本软件包。它包含以下内容：

·       强大的N维数组对象

·       复杂的(广播broadcasting)功能

·       集成C / C++和Fortran代码工具

·       有用的线性代数，傅立叶变换和随机数功能

除明显的科学用途外，NumPy是高效的通用数据多维容器，可以定义任意数据类型。这使NumPy能够无缝且高速地与各种数据库进行集成。

1. allclose()

Allclose() 用于匹配两个数组并且以布尔值形式输出。如果两个数组的项在公差范围内不相等，则返回False。这是检查两个数组是否相似的好方法，因为这一点实际很难手动实现。

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()

来源：Pexels

NumPy的这个函数非常优秀，可以找到N最大值索引。输出N最大值索引，然后根据需要，对值进行排序。

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

3. clip()

Clip() 用于将值保留在间隔的数组中。有时，需要将值保持在上限和下限之间。因此，可以使用NumPy的clip()函数。给定一个间隔，该间隔以外的值都将被裁剪到间隔边缘。

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()

顾名思义，extract() 函数用于根据特定条件从数组中提取特定元素。有了该函数，还可以使用and和or等的语句。

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

5. percentile()

Percentile()用于计算沿指定轴的数组元素的第n个百分位数。

a = np.array([1,5,6,8,1,7,3,6,9])print("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()

来源：Pexels

Where() 用于从满足特定条件的数组中返回元素。它返回在特定条件下值的索引位置。这差不多类似于在SQL中使用的where语句。请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 positionnp.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 notnp.where(y>5, "Hit", "Miss")array([ Miss ,  Miss ,  Hit ,  Hit ,  Miss ,  Hit ,  Miss ,  Hit , Hit ],dtype= <U4 )

接着来讲一讲神奇的Pandas函数。

Pandas

Pandas是一个Python软件包，提供快速、灵活和富有表现力的数据结构，旨在使处理结构化（表格，多维，潜在异构)的数据和时间序列数据既简单又直观。

Pandas非常适合许多不同类型的数据：

·       具有异构类型列的表格数据，例如在SQL表或Excel电子表格中

·       有序和无序(不一定是固定频率)的时间序列数据。

·       具有行和列标签的任意矩阵数据(同类型或异类)

·       观察/统计数据集的任何其他形式。实际上，数据根本不需要标记，即可放入Pandas数据结构。

以下是Pandas的优势：

·       轻松处理浮点数据和非浮点数据中的缺失数据(表示为NaN)

·       大小可变性：可以从DataFrame和更高维的对象中插入和删除列

·       自动和显式的数据对齐：在计算中，可以将对象显式对齐到一组标签，或者用户可以直接忽略标签，并让Series，DataFrame等自动对齐数据

·       强大灵活的分组功能，可对数据集执行拆分-应用-合并操作，以汇总和转换数据

·       轻松将其他Python和NumPy数据结构中的不规则的、索引不同的数据转换为DataFrame对象

·       大数据集的智能标签的切片，高级索引和子集化

·       直观的合并和联接数据集

·       数据集的灵活重塑和旋

·       坐标轴的分层标签(每个刻度可能有多个标签)

·       强大的IO工具，用于从平面文件(CSV和定界文件)、 Excel文件，数据库加载数据，以及以超高速HDF5格式保存/加载数据

·       特定于时间序列的功能：日期范围生成和频率转换、移动窗口统计、日期移位和滞后。

1. apply()

Apply() 函数允许用户传递函数并将其应用于Pandas序列中每个单一值。

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

2. copy()

Copy()函数用于创建Pandas对象的副本。将数据帧分配给另一个数据帧时，在另一个数据帧中进行更改，其值也会进行同步更改。为了避免出现上述问题，可以使用copy()函数。

# creating sample seriesdata = pd.Series([ India ,  Pakistan ,  China ,  Mongolia ])# Assigning issuethat we facedata1= data# Change a valuedata1[0]= USA # Also changes value in old dataframedata# To prevent that, we use# creating copy of seriesnew = data.copy()# assigning new valuesnew[1]= Changed value # printing dataprint(new)print(data)

3. read_csv(nrows=n)

来源：Pexels

读者可能已经知道了read-csv函数的重要性。但即使不必要，大多数人仍会错误地读取整个.csv文件。假设未知10GB的.csv文件中的列和数据，在这种情况下读取整个.csv文件并非明智的决定，因为这会浪费内存和时间。可以仅从.csv中导入几行，然后根据需要继续操作。

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

4. map()

map()函数用于根据输入对应关系映射Series的值。用于将序列(Series)中的每个值替换为另一个值，该值可以从函数、字典或序列(Series)中得出。

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

5. isin()

Isin() 函数用于过滤数据帧。Isin() 有助于选择在特定列中具有特定（或多个）值的行。这是笔者见过的最有用的功能。

# Using the dataframe we created for read_csvfilter1 = df["value"].isin([112])filter2 = df["time"].isin([1949.000000])df [filter1 & filter2]

6. select_dtypes()

select_dtypes()函数基于dtypes列返回数据框的列的子集。设置此函数的参数，以包括具有某些特定数据类型的所有列；也可对其进行设置，以排除具有某些特定数据类型的所有列。

# We ll use the same dataframe that we used for read_csvframex = df.select_dtypes(include="float64")# Returns only time column

福利：

来源：Pexels

Pivot_table()

Pandas最神奇最有用的功能是pivot_table。如果你纠结于是否使用groupby，并想扩展其功能，那么不妨试试pivot-table。如果明白数据透视表在excel中的工作原理，那么一切就非常简单了。数据透视表中的级别将存贮在MultiIndex对象（分层索引）中，而该对象位于DataFrame结果的索引和列上。

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

推荐阅读专题

留言点赞发个朋友圈

我们一起分享AI学习与发展的干货

编译组：王俊博、王品一

相关链接：

https://towardsdatascience.com/12-amazing-pandas-numpy-functions-22e5671a45b8

如转载，请后台留言，遵守转载规范

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017论文集：34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你