本文转载自公众号“读芯术”(ID：AI_Discovery)

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()

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_val

array([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 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()

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 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='

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 fn

fn=lambdax: x.max() - x.min()# Apply this on dframe that we've just createdabove

dframe.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 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)