秒懂！圖解四個實用的Pandas函數(shù)！

在用Python進行機器學習或者日常的數(shù)據(jù)處理中，Pandas是最常用的Python庫之一，熟練掌握pandas是每一個數(shù)據(jù)科學家的必備技能，本文將用代碼+圖片詳解Pandas中的四個實用函數(shù)！

假設(shè)我們有一組股票數(shù)據(jù)，需要對所有的行進行移動，或者獲得前一天的股價，又或是計算最近三天的平均股價。

面對這樣的需求我們可以選擇自己寫一個函數(shù)完成，但是使用pandas中的shift()可能是最好的選擇，它可以將數(shù)據(jù)按照指定方式進行移動！

下面我們用代碼進行演示，首先導入相關(guān)庫并創(chuàng)建示例DataFrame

import?pandas?as?pd
import?numpy?as?np
df?=?pd.DataFrame({'DATE':?[1,?2,?3,?4,?5],
???????????????????'VOLUME':?[100,?200,?300,400,500],
???????????????????'PRICE':?[214,?234,?253,272,291]})

現(xiàn)在，當我們執(zhí)行df.shift(1,fill_value=0)即可將數(shù)據(jù)往下移動一行，并用0填充空值

現(xiàn)在，如果我們需要將前一天的股價作為新的列，則可以使用下面的代碼

我們可以如下輕松地計算最近三天的平均股價，并創(chuàng)建一個新的列

向前移動數(shù)據(jù)也是很輕松的，使用-1即可

更多有關(guān)shift函數(shù)可以查閱官方文檔，總之在涉及到數(shù)據(jù)移動時，你需要想到shift！

pandas中的value_counts()用于統(tǒng)計dataframe或series中不同數(shù)或字符串出現(xiàn)的次數(shù)，并可以通過降序或升序?qū)Y(jié)果對象進行排序，下圖可以方便理解。

現(xiàn)在讓我們用代碼示例，首先是Index對象

下面是Series對象

同時可以對bin參數(shù)將結(jié)果劃分為區(qū)間

更多的細節(jié)與參數(shù)設(shè)置，可以閱讀pandas官方文檔。

pandas中的mask方法比較冷門，和np.where比較類似，將對cond條件進行判斷，如果cond為False，請保留原始值。如果為True，則用other中的相應(yīng)值替換。

現(xiàn)在我們看下面的DataFrame，在這里我們要更改所有可以被二整除的元素的符號，就可以使用mask

下面是代碼實現(xiàn)過程

在很多情況下，我們會遇到需要查找Series或DataFrame的前3名或后5名值的情況，例如，總得分最高的3名學生，或選舉中獲得的總票數(shù)的3名最低候選人

pandas中的nlargest()和nsmallest()是滿足此類數(shù)據(jù)處理要求的最佳答案，下面就是從10個觀測值中取最大的三個圖解

下面是代碼實現(xiàn)過程

但如果有相等的情況出現(xiàn)，那么可以使用first,last,all來進行保留

了解了nlargest()的使用方法后，nsmallest()就顯得十分簡單，本文就不再贅述，如果還有疑問可以查閱官方文檔！