Pandas常用函数大合集
来源:机器之心
本文约3000字,建议阅读5分钟
pandas 是 python 成为出色的编程语言的原因之一。
Python 是开源的,它很棒,但是也无法避免开源的一些固有问题:很多包都在做(或者在尝试做)同样的事情。如果你是 Python 新手,那么你很难知道某个特定任务的最佳包是哪个,你需要有经验的人告诉你。有一个用于数据科学的包绝对是必需的,它就是 pandas。
pandas 最有趣的地方在于里面隐藏了很多包。它是一个核心包,里面有很多其他包的功能。这点很棒,因为你只需要使用 pandas 就可以完成工作。
pandas 相当于 python 中 excel:它使用表(也就是 dataframe),能在数据上做各种变换,但还有其他很多功能。
如果你早已熟知 python 的使用,可以直接跳到第三段。
让我们开始吧!
pandas 最基本的功能
读取数据
data = pd.read_csv( my_file.csv )
data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])
sep 代表的是分隔符。如果你在使用法语数据,excel 中 csv 分隔符是「;」,因此你需要显式地指定它。编码设置为 latin-1 来读取法语字符。nrows=1000 表示读取前 1000 行数据。skiprows=[2,5] 表示你在读取文件的时候会移除第 2 行和第 5 行。
最常用的功能:read_csv, read_excel
其他一些很棒的功能:read_clipboard, read_sql
写数据
data.to_csv( my_new_file.csv , index=None)
index=None 表示将会以数据本来的样子写入。如果没有写 index=None,你会多出一个第一列,内容是 1,2,3,...,一直到最后一行。
我通常不会去使用其他的函数,像.to_excel, .to_json, .to_pickle 等等,因为.to_csv 就能很好地完成工作,并且 csv 是最常用的表格保存方式。
检查数据
Gives (#rows, #columns)
给出行数和列数。
data.describe()
计算基本的统计数据。
查看数据
data.head(3)
打印出数据的前 3 行。与之类似,.tail() 对应的是数据的最后一行。
data.loc[8]
打印出第八行。
data.loc[8, column_1 ]
打印第八行名为「column_1」的列。
data.loc[range(4,6)]
第四到第六行(左闭右开)的数据子集。
pandas 的基本函数
逻辑运算
data[data[ column_1 ]== french ]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]通过逻辑运算来取数据子集。要使用 & (AND)、 ~ (NOT) 和 | (OR),必须在
逻辑运算前后加上“(”和“)”。
data[data[ column_1 ].isin([ french , english ])]除了可以在同一列使用多个 OR,你还可以使用.isin() 函数。基本绘图
matplotlib 包使得这项功能成为可能。正如我们在介绍中所说,它可以直接在 pandas 中使用。
data[ column_numerical ].plot()
.plot() 输出的示例
data[ column_numerical ].hist()
画出数据分布(直方图)
.hist() 输出的示例
%matplotlib inline
如果你在使用 Jupyter,不要忘记在画图之前加上以上代码。
更新数据
data.loc[8, column_1 ] = english
将第八行名为 column_1 的列替换为「english」data.loc[data[ column_1 ]== french , column_1 ] = French
在一行代码中改变多列的值。
好了,现在你可以做一些在 excel 中可以轻松访问的事情了。下面让我们深入研究 excel 中无法实现的一些令人惊奇的操作吧。
中级函数
统计出现的次数
data[ column_1 ].value_counts()
image
.value_counts() 函数输出示例
在所有的行、列或者全数据上进行操作
data[ column_1 ].map(len)
len() 函数被应用在了「column_1」列中的每一个元素上
.map() 运算给一列中的每一个元素应用一个函数
data[ column_1 ].map(len).map(lambda x: x/100).plot()
pandas 的一个很好的功能就是链式方法(https://tomaugspurger.github.io/method-chaining)。它可以帮助你在一行中更加简单、高效地执行多个操作(.map() 和.plot())。
data.apply(sum)
.apply() 会给一个列应用一个函数。
.applymap() 会给表 (DataFrame) 中的所有单元应用一个函数。
tqdm, 唯一的
在处理大规模数据集时,pandas 会花费一些时间来进行.map()、.apply()、.applymap() 等操作。tqdm 是一个可以用来帮助预测这些操作的执行何时完成的包(是的,我说谎了,我之前说我们只会使用到 pandas)。
from tqdm import tqdm_notebook
tqdm_notebook().pandas()
用 pandas 设置 tqdm
data[ column_1 ].progress_map(lambda x: x.count( e ))
用 .progress_map() 代替.map()、.apply() 和.applymap() 也是类似的。
image
在 Jupyter 中使用 tqdm 和 pandas 得到的进度条
相关性和散射矩阵
data.corr()
data.corr().applymap(lambda x: int(x*100)/100)
image
.corr() 会给出相关性矩阵
pd.plotting.scatter_matrix(data, figsize=(12,8))
image
散点矩阵的例子。它在同一幅图中画出了两列的所有组合。
pandas 中的高级操作
关联
在 pandas 中实现关联是非常非常简单的
data.merge(other_data, on=[ column_1 , column_2 , column_3 ])
关联三列只需要一行代码
分组
一开始并不是那么简单,你首先需要掌握语法,然后你会发现你一直在使用这个功能。
data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()
按一个列分组,选择另一个列来执行一个函数。.reset_index() 会将数据重构成一个表。
image
正如前面解释过的,为了优化代码,在一行中将你的函数连接起来。
行迭代
dictionary = {}for i,row in data.iterrows():dictionary[row[ column_1 ]] = row[ column_2 ]
.iterrows() 使用两个变量一起循环:行索引和行的数据 (上面的 i 和 row)。
总而言之,pandas 是 python 成为出色的编程语言的原因之一。
我本可以展示更多有趣的 pandas 功能,但是已经写出来的这些足以让人理解为何数据科学家离不开 pandas。总结一下,pandas 有以下优点:
易用,将所有复杂、抽象的计算都隐藏在背后了;
直观;
快速,即使不是最快的也是非常快的。
它有助于数据科学家快速读取和理解数据,提高其工作效率。
原文链接:
https://towardsdatascience.com/be-a-more-efficient-data-scientist-today-master-pandas-with-this-guide-ea362d27386
编辑:文婧 校对:龚力
本文为转载分享&推荐阅读,若侵权请联系后台删除
-----------------
长按识别下方二维码,并关注公众号
1.回复“PY”领取1GB Python数据分析资料
2.回复“BG”领取5GB 名企数据分析报告
Pandas常用函数大合集相关推荐
- IDEA常用快捷键大合集
- 教师资格证考试备考资料大合集(历年真题+常用考点+模拟试题+面试),共460份,987M,附件中为网盘链接
教师资格证考试备考资料大合集(历年真题+常用考点+模拟试题+面试),共460份,987M,附件中为网盘链接. 下载地址:https://download.csdn.net/download/mengc ...
- stata代码命令全集:跟检验do文件、stata常用命令、代码大合集、面板熵值法
一.常用模型代码整理 1.数据来源: 2.时间跨度:无 3.区域范围:无 4.指标说明: 包含如下模型代码: l OLS模型 l Heckman两阶段模型 l PSM+DID模型 l 固定效应模型( ...
- 前端常用Utils工具函数库合集
前端常用Utils工具函数库合集 在开发中,我们经常会将一些常用的代码块.功能块进行封装,为的是更好的复用.那么,被抽离出来独立完成功能,通过API或配置项和其他部分交互,便形成了插件. 函数库 Lo ...
- 收藏!PyTorch常用代码段合集
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:Jack Stark,来源:极市平台 来源丨https://zhu ...
- PyTorch常用代码段合集
↑ 点击蓝字 关注视学算法 作者丨Jack Stark@知乎 来源丨https://zhuanlan.zhihu.com/p/104019160 极市导读 本文是PyTorch常用代码段合集,涵盖基本 ...
- 【深度学习】PyTorch常用代码段合集
来源 | 极市平台,机器学习算法与自然语言处理 本文是PyTorch常用代码段合集,涵盖基本配置.张量处理.模型定义与操作.数据处理.模型训练与测试等5个方面,还给出了多个值得注意的Tips,内容非常 ...
- 收藏 | PyTorch常用代码段合集
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:作者丨Jack Stark@知乎 来源丨https://zh ...
- 常用的激活函数合集(详细版)
目录 一.定义以及作用 二.常用激活函数解析 1.Sigmoid函数 1.1 公式 1.2 对应的图像 1.3 优点与不足之处 1.4 对应pytorch的代码 2.Tanh函数 2.1 公式 2.2 ...
- php基础从入门到面向对象(大合集)
php基础复习应用大合集 1.不知道有没有人很长不是不复习基础或者一些编程思想,会忘记,博主呢秉承着温故而知新的道理把基础从到位复习了一边,其中还包括一些算法指针,统计目录,字符串,数组的方法,mvc ...
最新文章
- 你知道那些JVM性能调优
- openwrt 安装 ser2net 配置
- 轻松搞定对容器实例日志设置定期清理和回卷
- 万万没想到,JVM内存区域的面试题也可以问的这么难?
- pythonname是什么意思_浅析Python __name__ 是什么
- 阿里云技术团队原创力作震撼上市,强力解析云上Kubernetes!
- HTML5定位功能,实现在百度地图上定位
- 挑战性题目DSCT501:大整数因子分解
- 首席建筑师之光线追踪教程
- 爬取网易云数据并且可视化展示
- 基于ubuntu18.04搭建双线adsl路由器和私有云服务器(samba、ftp和http)
- matlab图像的裁剪
- BeyondCompare| Beyond Compare永久适用
- iOS——JSONModel数据解析
- 汉语韵律短语切分方法初探
- STM32H743,基于LL库实现adc采样(ADC+DMA+TIM)
- 每个程序员都应该学习的 6 种数据结构
- C/C++程序员必读的十本书
- CHM win7系统打开时提示“已取消到该网页的导航”的解决方法
- 企业为什么难创新?5个常见的创新障碍