免费代理ip,三角棕的最简单包法,mina 下载
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，小芯将分享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。
numpy是使用python进行科学计算的基本软件包。它包含以下内容：
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。
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
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])
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])
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])
percentile()用于计算沿指定轴的数组元素的第n个百分位数。
我要评论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]
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：
以下是pandas的优势：
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)
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 datadata1= 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)
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)
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)
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]
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
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
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
python求numpy中array按列非零元素的平均值案例
网友评论