12種Numpy 和 Pandas高效技巧供你應用

共 2406字，需瀏覽 5分鐘

2021-12-01 09:20

選自TowardsDataScience，作者：Kunal Dhariwal

機器之心編譯

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

項目地址：https://github.com/kunaldhariwal/12-Amazing-Pandas-NumPy-Functions

Numpy 的 6 種高效函數(shù)

首先從 Numpy 開始。Numpy 是用于科學計算的 Python 語言擴展包，通常包含強大的 N 維數(shù)組對象、復雜函數(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)類型。這使得 Numpy 能夠?qū)崿F(xiàn)自身與各種數(shù)據(jù)庫的無縫、快速集成。

接下來一一解析 6 種 Numpy 函數(shù)。

argpartition()

借助于 argpartition()，Numpy 可以找出 N 個最大數(shù)值的索引，也會將找到的這些索引輸出。然后我們根據(jù)需要對數(shù)值進行排序。

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() 用于匹配兩個數(shù)組，并得到布爾值表示的輸出。如果在一個公差范圍內(nèi)（within a tolerance）兩個數(shù)組不等同，則 allclose() 返回 False。該函數(shù)對于檢查兩個數(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

clip()

Clip() 使得一個數(shù)組中的數(shù)值保持在一個區(qū)間內(nèi)。有時，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)實現(xiàn)該目的。給定一個區(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])

extract()

顧名思義，extract() 是在特定條件下從一個數(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])

where()

Where() 用于從一個數(shù)組中返回滿足特定條件的元素。比如，它會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= )

percentile()

Percentile() 用于計算特定軸方向上數(shù)組元素的第 n 個百分位數(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 擴展包的 6 種高效函數(shù)，相信會為你帶來幫助。接下來看一看 Pandas 數(shù)據(jù)分析庫的 6 種函數(shù)。

Pandas 數(shù)據(jù)統(tǒng)計包的 6 種高效函數(shù)

Pandas 也是一個 Python 包，它提供了快速、靈活以及具有顯著表達能力的數(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)) 和時間序列數(shù)據(jù)變得既簡單又直觀。

Pandas 適用于以下各類數(shù)據(jù):

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

Pandas 擅長處理的類型如下所示：

容易處理浮點數(shù)據(jù)和非浮點數(shù)據(jù)中的缺失數(shù)據(jù)（用 NaN 表示）；
大小可調(diào)整性: 可以從 DataFrame 或者更高維度的對象中插入或者是刪除列；
顯式數(shù)據(jù)可自動對齊: 對象可以顯式地對齊至一組標簽內(nèi)，或者用戶可以簡單地選擇忽略標簽，使 Series、 DataFrame 等自動對齊數(shù)據(jù)；
靈活的分組功能，對數(shù)據(jù)集執(zhí)行拆分-應用-合并等操作，對數(shù)據(jù)進行聚合和轉(zhuǎn)換；
簡化將數(shù)據(jù)轉(zhuǎn)換為 DataFrame 對象的過程，而這些數(shù)據(jù)基本是 Python 和 NumPy 數(shù)據(jù)結(jié)構(gòu)中不規(guī)則、不同索引的數(shù)據(jù)；
基于標簽的智能切片、索引以及面向大型數(shù)據(jù)集的子設(shè)定；
更加直觀地合并以及連接數(shù)據(jù)集；
更加靈活地重塑、轉(zhuǎn)置（pivot）數(shù)據(jù)集；
軸的分級標記 (可能包含多個標記)；
具有魯棒性的 IO 工具，用于從平面文件 (CSV 和 delimited)、 Excel 文件、數(shù)據(jù)庫中加在數(shù)據(jù)，以及從 HDF5 格式中保存 / 加載數(shù)據(jù)；
時間序列的特定功能: 數(shù)據(jù)范圍的生成以及頻率轉(zhuǎn)換、移動窗口統(tǒng)計、數(shù)據(jù)移動和滯后等。

read_csv(nrows=n)

大多數(shù)人都會犯的一個錯誤是，在不需要.csv 文件的情況下仍會完整地讀取它。如果一個未知的.csv 文件有 10GB，那么讀取整個.csv 文件將會非常不明智，不僅要占用大量內(nèi)存，還會花很多時間。我們需要做的只是從.csv 文件中導入幾行，之后根據(jù)需要繼續(xù)導入。

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( ) 函數(shù)根據(jù)相應的輸入來映射 Series 的值。用于將一個 Series 中的每個值替換為另一個值，該值可能來自一個函數(shù)、也可能來自于一個 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() 允許用戶傳遞函數(shù)，并將其應用于 Pandas 序列中的每個值。

#?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 () 用于過濾數(shù)據(jù)幀。Isin () 有助于選擇特定列中具有特定（或多個）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 () 函數(shù)用于復制 Pandas 對象。當一個數(shù)據(jù)幀分配給另一個數(shù)據(jù)幀時，如果對其中一個數(shù)據(jù)幀進行更改，另一個數(shù)據(jù)幀的值也將發(fā)生更改。為了防止這類問題，可以使用 copy () 函數(shù)。

#?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 的列返回數(shù)據(jù)幀列的一個子集。這個函數(shù)的參數(shù)可設(shè)置為包含所有擁有特定數(shù)據(jù)類型的列，亦或者設(shè)置為排除具有特定數(shù)據(jù)類型的列。

#?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 中一個非常有用的函數(shù)。如果對 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

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

覺得還不錯就給我一個小小的鼓勵吧！

點贊

評論

舉報