12个很棒的Pandas和NumPy函数,让解析事半功倍

感谢作者分享-http://bjbsair.com/2020-04-07/tech-info/30428.html

大家都知道Pandas和NumPy函数很棒，它们在日常分析中起着重要的作用。没有这两个函数，人们将在这个庞大的数据分析和科学世界中迷失方向。

今天，分享12个很棒的Pandas和NumPy函数，这些函数将会让生活更便捷，让分析事半功倍。

在本文结尾，读者可以找到文中提到的代码的JupyterNotebook。

从NumPy开始：

NumPy是使用Python进行科学计算的基本软件包。它包含以下内容：

· 强大的N维数组对象

· 复杂的(广播broadcasting)功能

· 集成C / C++和Fortran代码工具

· 有用的线性代数，傅立叶变换和随机数功能

除明显的科学用途外，NumPy是高效的通用数据多维容器，可以定义任意数据类型。这使NumPy能够无缝且高速地与各种数据库进行集成。

1. allclose()

Allclose() 用于匹配两个数组并且以布尔值形式输出。如果两个数组的项在公差范围内不相等，则返回False。这是检查两个数组是否相似的好方法，因为这一点实际很难手动实现。

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 shouldreturn 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

2. argpartition()

NumPy的这个函数非常优秀，可以找到N最大值索引。输出N最大值索引，然后根据需要，对值进行排序。

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])

3. clip()

Clip() 用于将值保留在间隔的数组中。有时，需要将值保持在上限和下限之间。因此，可以使用NumPy的clip()函数。给定一个间隔，该间隔以外的值都将被裁剪到间隔边缘。

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() 函数用于根据特定条件从数组中提取特定元素。有了该函数，还可以使用and和or等的语句。

# 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 ifremainder 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])# Applycondition on extract directly  
np.extract(((array < 3) | (array > 15)), array)  
array([ 0,  1, 19, 16, 18,  2])

5. percentile()

Percentile()用于计算沿指定轴的数组元素的第n个百分位数。

a = np.array([1,5,6,8,1,7,3,6,9])print("50thPercentile 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 :  [5.13.5 1.9]

6. where()

Where() 用于从满足特定条件的数组中返回元素。它返回在特定条件下值的索引位置。这差不多类似于在SQL中使用的where语句。请看以下示例中的演示。

y = np.array([1,5,6,8,1,7,3,6,9])# Where y is greaterthan 5, returns index position  
np.where(y>5)  
array([2, 3, 5, 7, 8], dtype=int64),)# First will replace the values that matchthe 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')

接着来讲一讲神奇的Pandas函数。

Pandas

Pandas是一个Python软件包，提供快速、灵活和富有表现力的数据结构，旨在使处理结构化（表格，多维，潜在异构)的数据和时间序列数据既简单又直观。

Pandas非常适合许多不同类型的数据：

· 具有异构类型列的表格数据，例如在SQL表或Excel电子表格中

· 有序和无序(不一定是固定频率)的时间序列数据。

· 具有行和列标签的任意矩阵数据(同类型或异类)

· 观察/统计数据集的任何其他形式。实际上，数据根本不需要标记，即可放入Pandas数据结构。

以下是Pandas的优势：

· 轻松处理浮点数据和非浮点数据中的缺失数据(表示为NaN)

· 大小可变性：可以从DataFrame和更高维的对象中插入和删除列

· 自动和显式的数据对齐：在计算中，可以将对象显式对齐到一组标签，或者用户可以直接忽略标签，并让Series，DataFrame等自动对齐数据

· 强大灵活的分组功能，可对数据集执行拆分-应用-合并操作，以汇总和转换数据

· 轻松将其他Python和NumPy数据结构中的不规则的、索引不同的数据转换为DataFrame对象

· 大数据集的智能标签的切片，高级索引和子集化

· 直观的合并和联接数据集

· 数据集的灵活重塑和旋

· 坐标轴的分层标签(每个刻度可能有多个标签)

· 强大的IO工具，用于从平面文件(CSV和定界文件)、 Excel文件，数据库加载数据，以及以超高速HDF5格式保存/加载数据

· 特定于时间序列的功能：日期范围生成和频率转换、移动窗口统计、日期移位和滞后。

1. apply()

Apply() 函数允许用户传递函数并将其应用于Pandas序列中每个单一值。

# max minus mix lambda fn  
fn = lambda x: x.max() - x.min()# Apply this on dframe that we've just createdabove  
dframe.apply(fn)

2. copy()

Copy()函数用于创建Pandas对象的副本。将数据帧分配给另一个数据帧时，在另一个数据帧中进行更改，其值也会进行同步更改。为了避免出现上述问题，可以使用copy()函数。

# creating sample series  
data = pd.Series(['India', 'Pakistan', 'China', 'Mongolia'])# Assigning issuethat 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)

3. read_csv(nrows=n)

读者可能已经知道了read-csv函数的重要性。但即使不必要，大多数人仍会错误地读取整个.csv文件。假设未知10GB的.csv文件中的列和数据，在这种情况下读取整个.csv文件并非明智的决定，因为这会浪费内存和时间。可以仅从.csv中导入几行，然后根据需要继续操作。

import io  
import requests# I am using this online data set just to make things easier foryou 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)

4. map()

map()函数用于根据输入对应关系映射Series的值。用于将序列(Series)中的每个值替换为另一个值，该值可以从函数、字典或序列(Series)中得出。

# create a dataframe  
dframe = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'),index=['India', 'USA', 'China', 'Russia'])#compute a formatted string from eachfloating point value in frame  
changefn = lambda x: '%.2f' % x# Make changes element-wise  
dframe['d'].map(changefn)

5. isin()

Isin() 函数用于过滤数据帧。Isin() 有助于选择在特定列中具有特定（或多个）值的行。这是笔者见过的最有用的功能。

# Using the dataframe we created for read_csv  
filter1 = df["value"].isin([112])  
filter2 = df["time"].isin([1949.000000])df [filter1 & filter2]

6. select_dtypes()

select_dtypes()函数基于dtypes列返回数据框的列的子集。设置此函数的参数，以包括具有某些特定数据类型的所有列；也可对其进行设置，以排除具有某些特定数据类型的所有列。

# We'll use the same dataframe that we used for read_csv  
framex = df.select_dtypes(include="float64")# Returns only time column

福利：

Pivot_table()

Pandas最神奇最有用的功能是pivot_table。如果你纠结于是否使用groupby，并想扩展其功能，那么不妨试试pivot-table。如果明白数据透视表在excel中的工作原理，那么一切就非常简单了。数据透视表中的级别将存贮在MultiIndex对象（分层索引）中，而该对象位于DataFrame结果的索引和列上。

# 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

感谢作者分享-http://bjbsair.com/2020-04-07/tech-info/30428.html

大家都知道Pandas和NumPy函数很棒，它们在日常分析中起着重要的作用。没有这两个函数，人们将在这个庞大的数据分析和科学世界中迷失方向。

今天，分享12个很棒的Pandas和NumPy函数，这些函数将会让生活更便捷，让分析事半功倍。

在本文结尾，读者可以找到文中提到的代码的JupyterNotebook。

从NumPy开始：

NumPy是使用Python进行科学计算的基本软件包。它包含以下内容：

· 强大的N维数组对象

· 复杂的(广播broadcasting)功能

· 集成C / C++和Fortran代码工具

· 有用的线性代数，傅立叶变换和随机数功能

除明显的科学用途外，NumPy是高效的通用数据多维容器，可以定义任意数据类型。这使NumPy能够无缝且高速地与各种数据库进行集成。

1. allclose()

Allclose() 用于匹配两个数组并且以布尔值形式输出。如果两个数组的项在公差范围内不相等，则返回False。这是检查两个数组是否相似的好方法，因为这一点实际很难手动实现。

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 shouldreturn 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

2. argpartition()

NumPy的这个函数非常优秀，可以找到N最大值索引。输出N最大值索引，然后根据需要，对值进行排序。

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])

3. clip()

Clip() 用于将值保留在间隔的数组中。有时，需要将值保持在上限和下限之间。因此，可以使用NumPy的clip()函数。给定一个间隔，该间隔以外的值都将被裁剪到间隔边缘。

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() 函数用于根据特定条件从数组中提取特定元素。有了该函数，还可以使用and和or等的语句。

# 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 ifremainder 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])# Applycondition on extract directly  
np.extract(((array < 3) | (array > 15)), array)  
array([ 0,  1, 19, 16, 18,  2])

5. percentile()

Percentile()用于计算沿指定轴的数组元素的第n个百分位数。

a = np.array([1,5,6,8,1,7,3,6,9])print("50thPercentile 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 :  [5.13.5 1.9]

6. where()

Where() 用于从满足特定条件的数组中返回元素。它返回在特定条件下值的索引位置。这差不多类似于在SQL中使用的where语句。请看以下示例中的演示。

y = np.array([1,5,6,8,1,7,3,6,9])# Where y is greaterthan 5, returns index position  
np.where(y>5)  
array([2, 3, 5, 7, 8], dtype=int64),)# First will replace the values that matchthe 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')

接着来讲一讲神奇的Pandas函数。

Pandas

Pandas是一个Python软件包，提供快速、灵活和富有表现力的数据结构，旨在使处理结构化（表格，多维，潜在异构)的数据和时间序列数据既简单又直观。

Pandas非常适合许多不同类型的数据：

· 具有异构类型列的表格数据，例如在SQL表或Excel电子表格中

· 有序和无序(不一定是固定频率)的时间序列数据。

· 具有行和列标签的任意矩阵数据(同类型或异类)

· 观察/统计数据集的任何其他形式。实际上，数据根本不需要标记，即可放入Pandas数据结构。

以下是Pandas的优势：

· 轻松处理浮点数据和非浮点数据中的缺失数据(表示为NaN)

· 大小可变性：可以从DataFrame和更高维的对象中插入和删除列

· 自动和显式的数据对齐：在计算中，可以将对象显式对齐到一组标签，或者用户可以直接忽略标签，并让Series，DataFrame等自动对齐数据

· 强大灵活的分组功能，可对数据集执行拆分-应用-合并操作，以汇总和转换数据

· 轻松将其他Python和NumPy数据结构中的不规则的、索引不同的数据转换为DataFrame对象

· 大数据集的智能标签的切片，高级索引和子集化

· 直观的合并和联接数据集

· 数据集的灵活重塑和旋

· 坐标轴的分层标签(每个刻度可能有多个标签)

· 强大的IO工具，用于从平面文件(CSV和定界文件)、 Excel文件，数据库加载数据，以及以超高速HDF5格式保存/加载数据

· 特定于时间序列的功能：日期范围生成和频率转换、移动窗口统计、日期移位和滞后。

1. apply()

Apply() 函数允许用户传递函数并将其应用于Pandas序列中每个单一值。

# max minus mix lambda fn  
fn = lambda x: x.max() - x.min()# Apply this on dframe that we've just createdabove  
dframe.apply(fn)

2. copy()

Copy()函数用于创建Pandas对象的副本。将数据帧分配给另一个数据帧时，在另一个数据帧中进行更改，其值也会进行同步更改。为了避免出现上述问题，可以使用copy()函数。

# creating sample series  
data = pd.Series(['India', 'Pakistan', 'China', 'Mongolia'])# Assigning issuethat 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)

3. read_csv(nrows=n)

读者可能已经知道了read-csv函数的重要性。但即使不必要，大多数人仍会错误地读取整个.csv文件。假设未知10GB的.csv文件中的列和数据，在这种情况下读取整个.csv文件并非明智的决定，因为这会浪费内存和时间。可以仅从.csv中导入几行，然后根据需要继续操作。

import io  
import requests# I am using this online data set just to make things easier foryou 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)

4. map()

map()函数用于根据输入对应关系映射Series的值。用于将序列(Series)中的每个值替换为另一个值，该值可以从函数、字典或序列(Series)中得出。

# create a dataframe  
dframe = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'),index=['India', 'USA', 'China', 'Russia'])#compute a formatted string from eachfloating point value in frame  
changefn = lambda x: '%.2f' % x# Make changes element-wise  
dframe['d'].map(changefn)

5. isin()

Isin() 函数用于过滤数据帧。Isin() 有助于选择在特定列中具有特定（或多个）值的行。这是笔者见过的最有用的功能。

# Using the dataframe we created for read_csv  
filter1 = df["value"].isin([112])  
filter2 = df["time"].isin([1949.000000])df [filter1 & filter2]

6. select_dtypes()

select_dtypes()函数基于dtypes列返回数据框的列的子集。设置此函数的参数，以包括具有某些特定数据类型的所有列；也可对其进行设置，以排除具有某些特定数据类型的所有列。

# We'll use the same dataframe that we used for read_csv  
framex = df.select_dtypes(include="float64")# Returns only time column

福利：

Pivot_table()

Pandas最神奇最有用的功能是pivot_table。如果你纠结于是否使用groupby，并想扩展其功能，那么不妨试试pivot-table。如果明白数据透视表在excel中的工作原理，那么一切就非常简单了。数据透视表中的级别将存贮在MultiIndex对象（分层索引）中，而该对象位于DataFrame结果的索引和列上。

# 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

感谢作者分享-http://bjbsair.com/2020-04-07/tech-info/30428.html

大家都知道Pandas和NumPy函数很棒，它们在日常分析中起着重要的作用。没有这两个函数，人们将在这个庞大的数据分析和科学世界中迷失方向。

今天，分享12个很棒的Pandas和NumPy函数，这些函数将会让生活更便捷，让分析事半功倍。

在本文结尾，读者可以找到文中提到的代码的JupyterNotebook。

从NumPy开始：

NumPy是使用Python进行科学计算的基本软件包。它包含以下内容：

· 强大的N维数组对象

· 复杂的(广播broadcasting)功能

· 集成C / C++和Fortran代码工具

· 有用的线性代数，傅立叶变换和随机数功能

除明显的科学用途外，NumPy是高效的通用数据多维容器，可以定义任意数据类型。这使NumPy能够无缝且高速地与各种数据库进行集成。

1. allclose()

Allclose() 用于匹配两个数组并且以布尔值形式输出。如果两个数组的项在公差范围内不相等，则返回False。这是检查两个数组是否相似的好方法，因为这一点实际很难手动实现。

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 shouldreturn 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

2. argpartition()

NumPy的这个函数非常优秀，可以找到N最大值索引。输出N最大值索引，然后根据需要，对值进行排序。

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])

3. clip()

Clip() 用于将值保留在间隔的数组中。有时，需要将值保持在上限和下限之间。因此，可以使用NumPy的clip()函数。给定一个间隔，该间隔以外的值都将被裁剪到间隔边缘。

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() 函数用于根据特定条件从数组中提取特定元素。有了该函数，还可以使用and和or等的语句。

# 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 ifremainder 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])# Applycondition on extract directly  
np.extract(((array < 3) | (array > 15)), array)  
array([ 0,  1, 19, 16, 18,  2])

5. percentile()

Percentile()用于计算沿指定轴的数组元素的第n个百分位数。

a = np.array([1,5,6,8,1,7,3,6,9])print("50thPercentile 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 :  [5.13.5 1.9]

6. where()

Where() 用于从满足特定条件的数组中返回元素。它返回在特定条件下值的索引位置。这差不多类似于在SQL中使用的where语句。请看以下示例中的演示。

y = np.array([1,5,6,8,1,7,3,6,9])# Where y is greaterthan 5, returns index position  
np.where(y>5)  
array([2, 3, 5, 7, 8], dtype=int64),)# First will replace the values that matchthe 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')

接着来讲一讲神奇的Pandas函数。

Pandas

Pandas是一个Python软件包，提供快速、灵活和富有表现力的数据结构，旨在使处理结构化（表格，多维，潜在异构)的数据和时间序列数据既简单又直观。

Pandas非常适合许多不同类型的数据：

· 具有异构类型列的表格数据，例如在SQL表或Excel电子表格中

· 有序和无序(不一定是固定频率)的时间序列数据。

· 具有行和列标签的任意矩阵数据(同类型或异类)

· 观察/统计数据集的任何其他形式。实际上，数据根本不需要标记，即可放入Pandas数据结构。

以下是Pandas的优势：

· 轻松处理浮点数据和非浮点数据中的缺失数据(表示为NaN)

· 大小可变性：可以从DataFrame和更高维的对象中插入和删除列

· 自动和显式的数据对齐：在计算中，可以将对象显式对齐到一组标签，或者用户可以直接忽略标签，并让Series，DataFrame等自动对齐数据

· 强大灵活的分组功能，可对数据集执行拆分-应用-合并操作，以汇总和转换数据

· 轻松将其他Python和NumPy数据结构中的不规则的、索引不同的数据转换为DataFrame对象

· 大数据集的智能标签的切片，高级索引和子集化

· 直观的合并和联接数据集

· 数据集的灵活重塑和旋

· 坐标轴的分层标签(每个刻度可能有多个标签)

· 强大的IO工具，用于从平面文件(CSV和定界文件)、 Excel文件，数据库加载数据，以及以超高速HDF5格式保存/加载数据

· 特定于时间序列的功能：日期范围生成和频率转换、移动窗口统计、日期移位和滞后。

1. apply()

Apply() 函数允许用户传递函数并将其应用于Pandas序列中每个单一值。

# max minus mix lambda fn  
fn = lambda x: x.max() - x.min()# Apply this on dframe that we've just createdabove  
dframe.apply(fn)

2. copy()

Copy()函数用于创建Pandas对象的副本。将数据帧分配给另一个数据帧时，在另一个数据帧中进行更改，其值也会进行同步更改。为了避免出现上述问题，可以使用copy()函数。

# creating sample series  
data = pd.Series(['India', 'Pakistan', 'China', 'Mongolia'])# Assigning issuethat 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)

3. read_csv(nrows=n)

读者可能已经知道了read-csv函数的重要性。但即使不必要，大多数人仍会错误地读取整个.csv文件。假设未知10GB的.csv文件中的列和数据，在这种情况下读取整个.csv文件并非明智的决定，因为这会浪费内存和时间。可以仅从.csv中导入几行，然后根据需要继续操作。

import io  
import requests# I am using this online data set just to make things easier foryou 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)

4. map()

map()函数用于根据输入对应关系映射Series的值。用于将序列(Series)中的每个值替换为另一个值，该值可以从函数、字典或序列(Series)中得出。

# create a dataframe  
dframe = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'),index=['India', 'USA', 'China', 'Russia'])#compute a formatted string from eachfloating point value in frame  
changefn = lambda x: '%.2f' % x# Make changes element-wise  
dframe['d'].map(changefn)

5. isin()

Isin() 函数用于过滤数据帧。Isin() 有助于选择在特定列中具有特定（或多个）值的行。这是笔者见过的最有用的功能。

# Using the dataframe we created for read_csv  
filter1 = df["value"].isin([112])  
filter2 = df["time"].isin([1949.000000])df [filter1 & filter2]

6. select_dtypes()

select_dtypes()函数基于dtypes列返回数据框的列的子集。设置此函数的参数，以包括具有某些特定数据类型的所有列；也可对其进行设置，以排除具有某些特定数据类型的所有列。

# We'll use the same dataframe that we used for read_csv  
framex = df.select_dtypes(include="float64")# Returns only time column

福利：

Pivot_table()

Pandas最神奇最有用的功能是pivot_table。如果你纠结于是否使用groupby，并想扩展其功能，那么不妨试试pivot-table。如果明白数据透视表在excel中的工作原理，那么一切就非常简单了。数据透视表中的级别将存贮在MultiIndex对象（分层索引）中，而该对象位于DataFrame结果的索引和列上。

# 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

感谢作者分享-http://bjbsair.com/2020-04-07/tech-info/30428.html

大家都知道Pandas和NumPy函数很棒，它们在日常分析中起着重要的作用。没有这两个函数，人们将在这个庞大的数据分析和科学世界中迷失方向。

今天，分享12个很棒的Pandas和NumPy函数，这些函数将会让生活更便捷，让分析事半功倍。

在本文结尾，读者可以找到文中提到的代码的JupyterNotebook。

从NumPy开始：

NumPy是使用Python进行科学计算的基本软件包。它包含以下内容：

· 强大的N维数组对象

· 复杂的(广播broadcasting)功能

· 集成C / C++和Fortran代码工具

· 有用的线性代数，傅立叶变换和随机数功能

除明显的科学用途外，NumPy是高效的通用数据多维容器，可以定义任意数据类型。这使NumPy能够无缝且高速地与各种数据库进行集成。

1. allclose()

Allclose() 用于匹配两个数组并且以布尔值形式输出。如果两个数组的项在公差范围内不相等，则返回False。这是检查两个数组是否相似的好方法，因为这一点实际很难手动实现。

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 shouldreturn 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

2. argpartition()

NumPy的这个函数非常优秀，可以找到N最大值索引。输出N最大值索引，然后根据需要，对值进行排序。

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])

3. clip()

Clip() 用于将值保留在间隔的数组中。有时，需要将值保持在上限和下限之间。因此，可以使用NumPy的clip()函数。给定一个间隔，该间隔以外的值都将被裁剪到间隔边缘。

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() 函数用于根据特定条件从数组中提取特定元素。有了该函数，还可以使用and和or等的语句。

# 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 ifremainder 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])# Applycondition on extract directly  
np.extract(((array < 3) | (array > 15)), array)  
array([ 0,  1, 19, 16, 18,  2])

5. percentile()

Percentile()用于计算沿指定轴的数组元素的第n个百分位数。

a = np.array([1,5,6,8,1,7,3,6,9])print("50thPercentile 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 :  [5.13.5 1.9]

6. where()

Where() 用于从满足特定条件的数组中返回元素。它返回在特定条件下值的索引位置。这差不多类似于在SQL中使用的where语句。请看以下示例中的演示。

y = np.array([1,5,6,8,1,7,3,6,9])# Where y is greaterthan 5, returns index position  
np.where(y>5)  
array([2, 3, 5, 7, 8], dtype=int64),)# First will replace the values that matchthe 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')

接着来讲一讲神奇的Pandas函数。

Pandas

Pandas是一个Python软件包，提供快速、灵活和富有表现力的数据结构，旨在使处理结构化（表格，多维，潜在异构)的数据和时间序列数据既简单又直观。

Pandas非常适合许多不同类型的数据：

· 具有异构类型列的表格数据，例如在SQL表或Excel电子表格中

· 有序和无序(不一定是固定频率)的时间序列数据。

· 具有行和列标签的任意矩阵数据(同类型或异类)

· 观察/统计数据集的任何其他形式。实际上，数据根本不需要标记，即可放入Pandas数据结构。

以下是Pandas的优势：

· 轻松处理浮点数据和非浮点数据中的缺失数据(表示为NaN)

· 大小可变性：可以从DataFrame和更高维的对象中插入和删除列

· 自动和显式的数据对齐：在计算中，可以将对象显式对齐到一组标签，或者用户可以直接忽略标签，并让Series，DataFrame等自动对齐数据

· 强大灵活的分组功能，可对数据集执行拆分-应用-合并操作，以汇总和转换数据

· 轻松将其他Python和NumPy数据结构中的不规则的、索引不同的数据转换为DataFrame对象

· 大数据集的智能标签的切片，高级索引和子集化

· 直观的合并和联接数据集

· 数据集的灵活重塑和旋

· 坐标轴的分层标签(每个刻度可能有多个标签)

· 强大的IO工具，用于从平面文件(CSV和定界文件)、 Excel文件，数据库加载数据，以及以超高速HDF5格式保存/加载数据

· 特定于时间序列的功能：日期范围生成和频率转换、移动窗口统计、日期移位和滞后。

1. apply()

Apply() 函数允许用户传递函数并将其应用于Pandas序列中每个单一值。

# max minus mix lambda fn  
fn = lambda x: x.max() - x.min()# Apply this on dframe that we've just createdabove  
dframe.apply(fn)

2. copy()

Copy()函数用于创建Pandas对象的副本。将数据帧分配给另一个数据帧时，在另一个数据帧中进行更改，其值也会进行同步更改。为了避免出现上述问题，可以使用copy()函数。

# creating sample series  
data = pd.Series(['India', 'Pakistan', 'China', 'Mongolia'])# Assigning issuethat 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)

3. read_csv(nrows=n)

读者可能已经知道了read-csv函数的重要性。但即使不必要，大多数人仍会错误地读取整个.csv文件。假设未知10GB的.csv文件中的列和数据，在这种情况下读取整个.csv文件并非明智的决定，因为这会浪费内存和时间。可以仅从.csv中导入几行，然后根据需要继续操作。

import io  
import requests# I am using this online data set just to make things easier foryou 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)

4. map()

map()函数用于根据输入对应关系映射Series的值。用于将序列(Series)中的每个值替换为另一个值，该值可以从函数、字典或序列(Series)中得出。

# create a dataframe  
dframe = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'),index=['India', 'USA', 'China', 'Russia'])#compute a formatted string from eachfloating point value in frame  
changefn = lambda x: '%.2f' % x# Make changes element-wise  
dframe['d'].map(changefn)

5. isin()

Isin() 函数用于过滤数据帧。Isin() 有助于选择在特定列中具有特定（或多个）值的行。这是笔者见过的最有用的功能。

# Using the dataframe we created for read_csv  
filter1 = df["value"].isin([112])  
filter2 = df["time"].isin([1949.000000])df [filter1 & filter2]

6. select_dtypes()

select_dtypes()函数基于dtypes列返回数据框的列的子集。设置此函数的参数，以包括具有某些特定数据类型的所有列；也可对其进行设置，以排除具有某些特定数据类型的所有列。

# We'll use the same dataframe that we used for read_csv  
framex = df.select_dtypes(include="float64")# Returns only time column

福利：

Pivot_table()

Pandas最神奇最有用的功能是pivot_table。如果你纠结于是否使用groupby，并想扩展其功能，那么不妨试试pivot-table。如果明白数据透视表在excel中的工作原理，那么一切就非常简单了。数据透视表中的级别将存贮在MultiIndex对象（分层索引）中，而该对象位于DataFrame结果的索引和列上。

# 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