12种NumpyPandas高效技巧
文 | Kunal Dhariwal
本文分享给大家 12 种 Numpy 和 Pandas 函数,这些高效的函数会令数据分析更为容易、便捷。最后,读者也可以在 GitHub 项目中找到本文所用代码的 Jupyter Notebook。
项目地址:
https://github.com/kunaldhariwal/12-Amazing-Pandas-NumPy-Functions
Numpy 的 6 种高效函数
首先从 Numpy 开始。Numpy 是用于科学计算的 Python 语言扩展包,通常包含强大的 N 维数组对象、复杂函数、用于整合 C/C++和 Fortran 代码的工具以及有用的线性代数、傅里叶变换和随机数生成能力。
除了上面这些明显的用途,Numpy 还可以用作通用数据的高效多维容器(container),定义任何数据类型。这使得 Numpy 能够实现自身与各种数据库的无缝、快速集成。
接下来一一解析 6 种 Numpy 函数。
argpartition()
借助于 argpartition(),Numpy 可以找出 N 个最大数值的索引,也会将找到的这些索引输出。然后我们根据需要对数值进行排序。
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])
allclose()
allclose() 用于匹配两个数组,并得到布尔值表示的输出。如果在一个公差范围内(within a tolerance)两个数组不等同,则 allclose() 返回 False。该函数对于检查两个数组是否相似非常有用。
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
clip()
Clip() 使得一个数组中的数值保持在一个区间内。有时,我们需要保证数值在上下限范围内。为此,我们可以借助 Numpy 的 clip() 函数实现该目的。给定一个区间,则区间外的数值被剪切至区间上下限(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])
extract()
顾名思义,extract() 是在特定条件下从一个数组中提取特定元素。借助于 extract(),我们还可以使用 and 和 or 等条件。
# 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])
where()
Where() 用于从一个数组中返回满足特定条件的元素。比如,它会返回满足特定条件的数值的索引位置。Where() 与 SQL 中使用的 where condition 类似,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 )
percentile()
Percentile() 用于计算特定轴方向上数组元素的第 n 个百分位数。
a = np.array([1,5,6,8,1,7,3,6,9])
print("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]
这就是 Numpy 扩展包的 6 种高效函数,相信会为你带来帮助。接下来看一看 Pandas 数据分析库的 6 种函数。
Pandas 数据统计包的 6 种高效函数
Pandas 也是一个 Python 包,它提供了快速、灵活以及具有显著表达能力的数据结构,旨在使处理结构化 (表格化、多维、异构) 和时间序列数据变得既简单又直观。
Pandas 适用于以下各类数据:
具有异构类型列的表格数据,如 SQL 表或 Excel 表;
有序和无序 (不一定是固定频率) 的时间序列数据;
带有行/列标签的任意矩阵数据(同构类型或者是异构类型);
其他任意形式的统计数据集。事实上,数据根本不需要标记就可以放入 Pandas 结构中。
Pandas 擅长处理的类型如下所示:
容易处理浮点数据和非浮点数据中的 缺失数据(用 NaN 表示);
大小可调整性: 可以从 DataFrame 或者更高维度的对象中插入或者是删除列;
显式数据可自动对齐: 对象可以显式地对齐至一组标签内,或者用户可以简单地选择忽略标签,使 Series、 DataFrame 等自动对齐数据;
灵活的分组功能,对数据集执行拆分-应用-合并等操作,对数据进行聚合和转换;
简化将数据转换为 DataFrame 对象的过程,而这些数据基本是 Python 和 NumPy 数据结构中不规则、不同索引的数据;
基于标签的智能切片、索引以及面向大型数据集的子设定;
更加直观地合并以及连接数据集;
更加灵活地重塑、转置(pivot)数据集;
轴的分级标记 (可能包含多个标记);
具有鲁棒性的 IO 工具,用于从平面文件 (CSV 和 delimited)、 Excel 文件、数据库中加在数据,以及从 HDF5 格式中保存 / 加载数据;
时间序列的特定功能: 数据范围的生成以及频率转换、移动窗口统计、数据移动和滞后等。
read_csv(nrows=n)
大多数人都会犯的一个错误是,在不需要.csv 文件的情况下仍会完整地读取它。如果一个未知的.csv 文件有 10GB,那么读取整个.csv 文件将会非常不明智,不仅要占用大量内存,还会花很多时间。我们需要做的只是从.csv 文件中导入几行,之后根据需要继续导入。
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)
map()
map( ) 函数根据相应的输入来映射 Series 的值。用于将一个 Series 中的每个值替换为另一个值,该值可能来自一个函数、也可能来自于一个 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)
apply()
apply() 允许用户传递函数,并将其应用于 Pandas 序列中的每个值。
# 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)
isin()
lsin () 用于过滤数据帧。Isin () 有助于选择特定列中具有特定(或多个)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]
copy()
Copy () 函数用于复制 Pandas 对象。当一个数据帧分配给另一个数据帧时,如果对其中一个数据帧进行更改,另一个数据帧的值也将发生更改。为了防止这类问题,可以使用 copy () 函数。
# creating sample series
data = pd.Series([ India , Pakistan , China , Mongolia ])
# Assigning issue that we face
data1= 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)
select_dtypes()
select_dtypes() 的作用是,基于 dtypes 的列返回数据帧列的一个子集。这个函数的参数可设置为包含所有拥有特定数据类型的列,亦或者设置为排除具有特定数据类型的列。
# 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 中一个非常有用的函数。如果对 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
原文链接:
https://towardsdatascience.com/12-amazing-pandas-numpy-functions-22e5671a45b8
后台回复关键词【入群】
加入卖萌屋NLP/IR/Rec与求职讨论群
后台回复关键词【顶会】
获取ACL、CIKM等各大顶会论文集!
12种NumpyPandas高效技巧相关推荐
- 收藏 | 12 种 NumpyPandas 高效技巧
点上方计算机视觉联盟获取更多干货 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:选自TowardsDataScience,作者:Kunal Dhariwal 编译:机器之心 AI博士笔记系列 ...
- 12种Numpy Pandas高效技巧
点击上方"Python与机器智能",选择"星标"公众号 第一时间获取价值内容 选自TowardsDataScience,作者:Kunal Dhariwal 机器 ...
- 加速数据分析,这12种高效Numpy和Pandas函数为你保驾护航
我们都知道,Numpy 是 Python 环境下的扩展程序库,支持大量的维度数组和矩阵运算:Pandas 也是 Python 环境下的数据操作和分析软件包,以及强大的数据分析库.二者在日常的数据分析中 ...
- dataframe转化为array_【Python专栏】12 种高效 Numpy 和 Pandas 函数为你加速分析
来源:机器之心 编译:Jamin.杜伟.张倩 我们都知道,Numpy 是 Python 环境下的扩展程序库,支持大量的维度数组和矩阵运算:Pandas 也是 Python 环境下的数据操作和分析软件包 ...
- python高效开发实战配套源文件_分享12个python使用技巧,助你轻松掌握Python高效开发...
前言: 欢迎大家收看分享12个python使用技巧,助你轻松掌握Python高效开发!部分代码用图片的方式呈现出来,方便各位观看与收藏,要是喜欢的话,记得一定不要忘记点赞关注嗷! 内容如下: 1. 隐 ...
- 考研英语阅读12种解题技巧!快来马!
考研英语阅读作为考研英语的重中之重,抽象的技巧如果不经过大量的训练和强化,是无法固化为学生个人的解题能力.所以大量的练习十分必要,今天给大家总结了:考研英语阅读12种解题技巧~快来看看吧~ 例证题: ...
- 视频教程-让你事半功倍的12个Excel小技巧-Office/WPS
让你事半功倍的12个Excel小技巧 Adobe平面设计与影视剪辑专家讲师.微软Office办公软件专家讲师.资深IT图书作者/策划人/出版人.深度/终身学习研究与实践者.Python全栈工程师/We ...
- Python高效技巧(三)---查缺补漏(时间处理、shutill模块、高阶函数、装饰器)
Python高效技巧 前言: 函数 1.可接受任意数量参数的函数和关键词参数 2.匿名函数 lambda 二.其他 1.关于序列的各种方法 2.产生器表达式 三. 查缺补漏 1.时间处理 1. cal ...
- matlab变压器紧耦合,一种紧耦合高效llc谐振变压器的制造方法
一种紧耦合高效llc谐振变压器的制造方法 [专利摘要]本发明公开了一种紧耦合高效LLC谐振变压器,包括磁芯不带气隙的环形主变压器,主变压器的初级线圈一端与输入辅助电感连接:主变压器的第二次级线圈两端分 ...
最新文章
- yolo python_YOLO目标检测快速上手
- NeHe教程Qt实现——lesson12
- 短视频未来3年的规模为3万亿元
- html5制作线路图,HTML5绘制上海地铁线路图
- Memcached 1.4.22安装和配置
- OpenLayers学习笔记(十一)— 飞机速度矢量线预测
- windows安装linux无法启动服务,安装centos后无法引导启动windows7怎么办
- 中国风歌曲介绍及推荐
- android mtklog,Mtklog结构及分析
- 华为电脑如何投屏到电视linux,华为手机如何投屏到电脑上?手把手教你,无线投屏怎么做...
- SAP 中英文转换-英转中
- 量化交易17-先认识K线形态:处于底部上涨、处于顶部下跌: 弃婴、捉腰带线、脱离、藏婴吞没、反击线、十字孕线、倒锤头、长脚十字、光头光脚/缺影线、上升/下降三法 、跳空并列阴阳线、向上跳空的两只乌鸦
- 如何给代码起个好名字
- python iter函数用法
- java 定时任务实现方式
- Deepin 系统安装NVIDIA
- layui table点击tr更改当前行颜色
- 聚观早报 | 网传每日优鲜「就地解散」;支付宝一键取消自动扣款
- zookeeper集群安装和配置解读 - 雨中散步撒哈拉
- Spring使用与两大核心(Bean,AOP)
热门文章
- 读书笔记2013第18本:《像外行一样思考,像专家一样实践》
- 打印菱形星号组合C程序
- div不继承父类样式_Python编程思想(27):类的继承
- 【Pytorch神经网络理论篇】 10 优化器模块+退化学习率
- 图像特征提取与描述_角点特征04:LBP算法+HOG特征算子
- dataframe 排序_疯狂Spark之DataFrame创建方式详解一(九)
- Yolo系列知识点梳理(Yolov1-v5)
- LeetCode 1980. 找出不同的二进制字符串
- LeetCode MySQL 1821. 寻找今年具有正收入的客户
- LeetCode 1599. 经营摩天轮的最大利润(模拟)