来源:机器之心
Python是开源的,它很棒,但是开源的一些固有问题是不可避免的。 许多软件包正在做(或试图做)同样的事情。 如果你是Python初学者,很难知道某个特定任务的最佳包是哪个。 需要有经验的人告诉我。 绝对需要数据科学用的包。 那是潘达。
pandas成就的果汁的地方是里面藏着很多包。 这是核心包,里面有很多其他包的功能。 这真是太棒了。 因为只要使用pandas就可以工作。
pandas相当于python中的excel。 可以使用表(即dataframe )对数据进行各种转换,但还有许多其他功能。
如果您已经熟悉python的使用,可以直接跳到第三段。
让我们开始吧:
不要问importpandasaspd为什么是“pd”而不是“p”。 就是这样。 用就行了: )
http://www.Sina.com/http://www.Sina.com /
http://www.Sina.com/http://www.Sina.com /
DATA=PD.read_CSV(my_file.CSV ) DATA=PD.read_CSV(my_file.CSV,sep=;encoding=latin-1,nrows=1000,skip rows=[ 2,5 ] ) sep表示分隔符。 如果使用法语数据,则excel的csv分隔符为“; 中所述情节,对概念设计中的量体外部表面积进行分析。 将编码设定为latin-1以读取法语字符。 nrows=1000表示读取前1000行的数据。 sip rows=[ 2,5 ]意味着在读取文件时删除第二行和第五行。
最常见的功能: read_csv,read_excel
其他精彩功能: read_clipboard,read_sql
http://www.Sina.com/http://www.Sina.com /
DATA.to_CSV(my_new_file.CSV,index=None ) index=None表示以数据本来的形式写入。 如果没有写index=None的话,第一列1、2、3、就会增加一个,一直持续到最后一行。
我通常不使用. to_excel、 to_json、 to_pickle等其他函数。 因为. to_csv能很好地处理工作,而csv是最常用的表保存方法。
http://www.Sina.com/http://www.Sina.com /
gives(#Rows,#columns )给出行数和列数
data.describe ()计算基本统计数据
http://www.Sina.com/http://www.Sina.com /
打印DATA.head(3)数据的前三行。 同样, tail ()对应于数据的最后一行。
打印data.loc[8]行
data.loc[8,column_1]打印第8行中名为" column _1"的行
data.loc [ range (4,6 ) ]第四行到第六行(左关闭右打开)的数据子集
http://www.Sina.com/http://www.Sina.com /
http://www.Sina.com/http://www.Sina.com /
data [ data [ column _1]==French ] data [ (data [ column _1]==French ) ] [ data [ year _ born ]==1990 ] ] data
data [ data [ column _1].isin [ French,english ]您可以在同一列中使用多个OR,也可以使用. isin函数。
http://www.Sina.com/http://www.Sina.com /
matplotlib软件包可以实现此功能。 正如介绍中所述,可以直接在pandas中使用。
data[ column_numerical ].plot (
().plot )输出示例
data[ column_numerical ].hist ()绘制数据分布(直方图)
. hist (输出示例
%matplotlibinline如果你在用
Jupyter,不要忘记在画图之前加上以上代码。更新数据
data.loc[8, column_1 ] = english将第八行名为 column_1 的列替换为「english」 data.loc[data[ column_1 ]== french , column_1 ] = French在一行代码中改变多列的值
好了,现在你可以做一些在 excel 中可以轻松访问的事情了。下面让我们深入研究 excel 中无法实现的一些令人惊奇的操作吧。
中级函数
统计出现的次数
data[ column_1 ].value_counts().value_counts() 函数输出示例
在所有的行、列或者全数据上进行操作
data[ column_1 ].map(len)len() 函数被应用在了「column_1」列中的每一个元素上
.map() 运算给一列中的每一个元素应用一个函数
data[ column_1 ].map(len).map(lambda x: x/100).plot()pandas 的一个很好的功能就是链式方法(https://tomaugspurger.github.io/method-chaining)。它可以帮助你在一行中更加简单、高效地执行多个操作(.map() 和.plot())。
data.apply(sum).apply() 会给一个列应用一个函数。
.applymap() 会给表 (DataFrame) 中的所有单元应用一个函数。
tqdm, 唯一的
在处理大规模数据集时,pandas 会花费一些时间来进行.map()、.apply()、.applymap() 等操作。tqdm 是一个可以用来帮助预测这些操作的执行何时完成的包(是的,我说谎了,我之前说我们只会使用到 pandas)。
from tqdm import tqdm_notebooktqdm_notebook().pandas()用 pandas 设置 tqdm
用 .progress_map() 代替.map()、.apply() 和.applymap() 也是类似的。
在 Jupyter 中使用 tqdm 和 pandas 得到的进度条
相关性和散射矩阵
data.corr()data.corr().applymap(lambda x: int(x*100)/100).corr() 会给出相关性矩阵
pd.plotting.scatter_matrix(data, figsize=(12,8))散点矩阵的例子。它在同一幅图中画出了两列的所有组合。
pandas 中的高级操作
The SQL 关联
在 pandas 中实现关联是非常非常简单的
data.merge(other_data, on=[ column_1 , column_2 , column_3 ])关联三列只需要一行代码
分组
一开始并不是那么简单,你首先需要掌握语法,然后你会发现你一直在使用这个功能。
data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()按一个列分组,选择另一个列来执行一个函数。.reset_index() 会将数据重构成一个表。
正如前面解释过的,为了优化代码,在一行中将你的函数连接起来。
行迭代
dictionary = {}for i,row in data.iterrows(): dictionary[row[ column_1 ]] = row[ column_2 ].iterrows() 使用两个变量一起循环:行索引和行的数据 (上面的 i 和 row)
总而言之,pandas 是 python 成为出色的编程语言的原因之一
我本可以展示更多有趣的 pandas 功能,但是已经写出来的这些足以让人理解为何数据科学家离不开 pandas。总结一下,pandas 有以下优点:
易用,将所有复杂、抽象的计算都隐藏在背后了;
直观;
快速,即使不是最快的也是非常快的。
它有助于数据科学家快速读取和理解数据,提高其工作效率
原文链接:
https://towardsdatascience.com/be-a-more-efficient-data-scientist-today-master-pandas-with-this-guide-ea362d27386
往期推荐
善待“老黄牛”!
网页长截图竟如此简单
Jmeter怎么获取token?
PrettyTable | 美丽的表格
2020 年度实用工具 Top 100推荐!
FastApi-01-初识
FastApi-02-路径参数
FastApi-03-查询参数
FastApi-04-请求体-1
FastApi-05-请求体-2
FastApi-06-请求体-3
FastApi-07-查询参数校验
FastApi-08-路径参数校验
FastApi-09-模型嵌套
FastApi-10-Example
FastApi-11-模板渲染
FastApi-12-Form表单
文章好看点这里