解读12 种 Numpy 和 Pandas 高效函数技巧

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。

1、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］）

2、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

3、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］）

4、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］）

5、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 ）

6、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。

1、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）

2、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）

3、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）

4、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］

5、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）

6、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

编辑：jq