pandas是基于numpy構建的，使數據分析工作變得更快更簡單的高級數據結構和操作工具。本文為大家帶來10個玩轉Python的小技巧，學會了分分鐘通關變大神!

1. read_csv

每個人都知道這個命令。但如果你要讀取很大的數據，嘗試添加這個參數：nrows = 5，以便在實際加載整個表之前僅讀取表的一小部分。然后你可以通過選擇錯誤的分隔符來避免錯誤(它不一定總是以逗號分隔)。

(或者，你可以在linux中使用'head'命令來檢查任何文本文件中的前5行，例如：head -c 5 data.txt)

然后，你可以使用df.columns.tolist()來提取列表中的所有列，然后添加usecols = ['c1'，'c2'，...]參數以加載所需的列。此外，如果你知道幾個特定列的數據類型，則可以添加參數dtype = {'c1'：str，'c2'：int，...}，以便數據加載得更快。此參數還有另一個優點，如果你有一個同時包含字符串和數字的列，那么將其類型聲明為字符串是一個好選擇，這樣就可以在嘗試使用此列作為鍵去合并表時不會出錯。

2. select_dtypes

如果必須在Python中進行數據預處理，那么這個命令可以節約一些時間。讀取表后，每列的默認數據類型可以是bool，int64，float64，object，category，timedelta64或datetime64。你可以先查看

df.dtypes.value_counts（） 

命令分發的結果以了解數據幀的所有可能數據類型，然后執行

df.select_dtypes（include = ['float64'，'int64']） 

選擇僅具有數字特征的子數據幀。

3. Copy

這是一個重要的命令。如果執行以下命令：

import pandas as pd 
df1 = pd.DataFrame({ ‘a’:[0,0,0], ‘b’: [1,1,1]}) 
df2 = df1 
df2[‘a’] = df2[‘a’] + 1 
df1.head() 

你會發現df1已經改變了。這是因為df2 = df1沒有復制df1的值并將其分配給df2，而是設置指向df1的指針。因此，df2的任何變化都會導致df1發生變化 要解決這個問題，你可以：

df2   
= df1.copy() 
br 

或者

from copy import deepcopy 
df2 = deepcopy(df1) 

4. Map

這是一個可以進行簡單數據轉換的命令。首先定義一個字典，其中'keys'是舊值，'values'是新值。

level_map = {1: ‘high’, 2: ‘medium’, 3: ‘low’} 
df[‘c_level’] = df[‘c’].map(level_map) 

舉幾個例子：True，False為1,0(用于建模); 定義水平; 用戶定義的詞法編碼。

5. apply or not apply?

如果我們想創建一個新的列，并將其他列作為輸入，那么apply函數有時非常有用。

def rule(x, y): 
    if x == ‘high’ and y > 10: 
         return 1 
    else: 
         return 0 
df = pd.DataFrame({ 'c1':[ 'high' ,'high', 'low', 'low'], 'c2': [0, 23, 17, 4]}) 
df['new'] = df.apply(lambda x: rule(x['c1'], x['c2']), axis =  1) 
df.head() 

在上面的代碼中，我們定義了一個帶有兩個輸入變量的函數，并使用apply函數將其應用于列'c1'和'c2'。

但“apply函數”的問題是它有時太慢了。 如果你想計算兩列“c1”和“c2”的大值，你可以：

df[‘maximum’] = df.apply(lambda x: max(x[‘c1’], x[‘c2’]), axis = 1) 

但你會發現它比這個命令慢得多：

df[‘maximum’] = df[[‘c1’,’c2']].max(axis =1) 

注意：如果可以使用其他內置函數完成相同的工作(它們通常更快)，請不要使用apply。例如，如果要將列'c'舍入為整數，請執行round(df ['c']，0)而非使用apply函數：

df.apply(lambda x: round(x['c'], 0), axis = 1) 

6. value counts

這是一個檢查值分布的命令。例如，如果你想檢查“c”列中每個值的可能值和頻率，可以執行以下操作

df[‘c’].value_counts() 

它有一些有用的技巧/參數：

A. normalize = True：如果你要檢查頻率而不是計數。 
B. dropna = False：如果你要統計數據中包含的缺失值。 
C. df['c'].value_counts().reset_index():  如果你想將stats表轉換成pandas數據幀并進行操作。 
D. df['c'].value_counts().reset_index().sort_values(by='index') : 顯示按值而不是按計數排序的統計數據。 

7. 缺失值的數量

構建模型時，你可能希望排除具有很多缺失值或全是缺失值的行。你可以使用.isnull()和.sum()來計算指定列中缺失值的數量。

import pandas as pd 
import numpy as np 
df = pd.DataFrame({ ‘id’: [1,2,3], ‘c1’:[0,0,np.nan], ‘c2’: [np.nan,1,1]}) 
dfdf = df[[‘id’, ‘c1’, ‘c2’]] 
df[‘num_nulls’] = df[[‘c1’, ‘c2’]].isnull().sum(axis=1) 
df.head() 

8. 選擇具有特定ID的行

在SQL中，我們可以使用SELECT * FROM ... WHERE ID('A001'，'C022'，...)來獲取具有特定ID的記錄。如果想用Pandas做同樣的事情，你可以

dfdf_filter = df[‘ID’].isin([‘A001’,‘C022’,...]) 
df[df_filter] 

9. Percentile groups

你有一個數字列，并希望將該列中的值分類為組，例如將列的前5%，分為組1，前5-20%分為組2，前20%-50%分為組3，最后50%分為組4。當然，你可以用pandas.cut來做，但這里提供另一個選擇：

import numpy as np 
cut_points = [np.percentile(df[‘c’], i) for i in [50, 80, 95]] 
df[‘group’] = 1 
for i in range(3): 
    df[‘group’] = df[‘group’] + (df[‘c’] < cut_points[i]) 
# or <= cut_points[i] 

這個指令使計算機運行的非?？?沒有使用應用功能)。

10. to_csv

這也是每個人都會使用的命令。這里指出兩個技巧。 第一個是

print(df[:5].to_csv()) 

你可以使用此命令準確地打印出寫入文件的前五行數據。

另一個技巧是處理混合在一起的整數和缺失值。如果列同時包含缺失值和整數，則數據類型仍將是float而不是int。導出表時，可以添加float_format ='%。0f'將所有浮點數舍入為整數。如果只想要所有列的整數輸出，請使用此技巧，你將擺脫所有令人苦惱的'.0'。

分享名稱：看Pythoner如何玩轉Python
URL分享：http://m.newbst.com/news41/99241.html

成都網站建設公司_創新互聯，為您提供面包屑導航、標簽優化、動態網站、網站制作、網站內鏈、手機網站建設

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯