Pandas常用函数大合集

àì夳堔傛蜴生んèń 2022-11-20 05:58 162阅读 0赞

来源：机器之心

本文**约3000字**，建议**阅读5分钟**

pandas 是 python 成为出色的编程语言的原因之一。

Python 是开源的，它很棒，但是也无法避免开源的一些固有问题：很多包都在做（或者在尝试做）同样的事情。如果你是 Python 新手，那么你很难知道某个特定任务的最佳包是哪个，你需要有经验的人告诉你。有一个用于数据科学的包绝对是必需的，它就是 pandas。

pandas 最有趣的地方在于里面隐藏了很多包。它是一个核心包，里面有很多其他包的功能。这点很棒，因为你只需要使用 pandas 就可以完成工作。

pandas 相当于 python 中 excel：它使用表（也就是 dataframe)，能在数据上做各种变换，但还有其他很多功能。

如果你早已熟知 python 的使用，可以直接跳到第三段。

让我们开始吧!

## **pandas 最基本的功能** ##

### **读取数据** ###

data = pd.read_csv( my_file.csv )
    data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])

sep 代表的是分隔符。如果你在使用法语数据，excel 中 csv 分隔符是「;」，因此你需要显式地指定它。编码设置为 latin-1 来读取法语字符。nrows=1000 表示读取前 1000 行数据。skiprows=\[2,5\] 表示你在读取文件的时候会移除第 2 行和第 5 行。

*  最常用的功能：read\_csv, read\_excel
 *  其他一些很棒的功能：read\_clipboard, read\_sql

###     ###

**写数据**

data.to_csv( my_new_file.csv , index=None)

index=None 表示将会以数据本来的样子写入。如果没有写 index=None，你会多出一个第一列，内容是 1，2，3，...，一直到最后一行。

我通常不会去使用其他的函数，像.to\_excel, .to\_json, .to\_pickle 等等，因为.to\_csv 就能很好地完成工作，并且 csv 是最常用的表格保存方式。

### **检查数据** ###

![format_png][] image

Gives (#rows, #columns)

给出行数和列数。

data.describe()

计算基本的统计数据。

### **查看数据** ###

data.head(3)

打印出数据的前 3 行。与之类似，.tail() 对应的是数据的最后一行。

data.loc[8]

打印出第八行。

data.loc[8,  column_1 ]

打印第八行名为「column\_1」的列。

data.loc[range(4,6)]

第四到第六行（左闭右开）的数据子集。

## **pandas 的基本函数** ##

### **逻辑运算** ###

data[data[ column_1 ]== french ]
    data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)]
    data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]
    
    
    
    通过逻辑运算来取数据子集。要使用 & (AND)、 ~ (NOT) 和 | (OR)，必须在
    逻辑运算前后加上“（”和“）”。
    data[data[ column_1 ].isin([ french ,  english ])]
    
    
    
    
    除了可以在同一列使用多个 OR，你还可以使用.isin() 函数。
    
    
    基本绘图

matplotlib 包使得这项功能成为可能。正如我们在介绍中所说，它可以直接在 pandas 中使用。

data[ column_numerical ].plot()

![format_png 1][] image

.plot() 输出的示例

data[ column_numerical ].hist()

画出数据分布（直方图）

![format_png 2][] image

.hist() 输出的示例

%matplotlib inline

如果你在使用 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()

![format_png 3][]

image

.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_notebook
    tqdm_notebook().pandas()

用 pandas 设置 tqdm

data[ column_1 ].progress_map(lambda x: x.count( e ))

用 .progress\_map() 代替.map()、.apply() 和.applymap() 也是类似的。

![format_png 4][]

image

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)

![format_png 5][]

image

.corr() 会给出相关性矩阵

pd.plotting.scatter_matrix(data, figsize=(12,8))

![format_png 6][]

image

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** ##

### **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。

![format_png 7][]

image

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

编辑：文婧   校对：龚力

本文为转载分享&推荐阅读，若侵权请联系后台删除

\-----------------

长按识别下方二维码，并关注公众号

![format_png 8][]

1.回复“**PY**”领取**1GB Python数据分析资料**

2.回复“**BG**”领取**5GB 名企数据分析报告**

[format_png]: /images/20221120/5dd0655dd4ab49f984bde1d737d3c0a3.png
[format_png 1]: /images/20221120/382e4471df9c4feaaa630496a8209cd6.png
[format_png 2]: /images/20221120/9c33a0c8c30f4c38966a3d63893ed8e4.png
[format_png 3]: /images/20221120/1df23a89964a486baa3cc393d4a53e18.png
[format_png 4]: /images/20221120/f27ca4c6557f47da838b0fb131da43e6.png
[format_png 5]: /images/20221120/dfc429da01a545598707def49e1c3e07.png
[format_png 6]: /images/20221120/e37fa2a34d374d0f9cac27fe7d8d4399.png
[format_png 7]: /images/20221120/ebc0dda989f84186bf1280bd23bdf2b8.png
[format_png 8]: /images/20221120/33ba79087f474314b8791f5e780da8ac.png