不常见的Pandas小窍门：我打赌一定有你不知道的

分手后的思念是犯贱 2022-12-15 06:08 88阅读 0赞

> 全文共2501字，预计学习时长7分钟

![64cd94407da8867b1f97c9afee180e41.png][]

图源：unsplash

作为一名数据分析师或数据科学家，不了解Python中的Pandas库是无论如何说不过去的，它已经成为Python中用来整理、清理数据的标准工具了。

然而，关于Pandas，你确定自己完全掌握了嘛？本文将分享一些少见但有用的Pandas技巧，它们能提升工作效率，让生活更轻松。

![2dba8c042757cec3b697f450defc9000.png][]

# 用剪贴板创建数据框 #

众所周知，Pandas可以使用SQLAlchemy从CSV、JSON甚至直接从数据库轻松读取数据，但你知道Pandas还可以从所用操作系统的剪贴板读取数据吗？假设有一个包含多个数据表的Excel文件。现在，需要在Python中处理其中一个表的部分数据。你通常会怎么做？

· 从数据表中复制需要在Python中处理的数据。

· 将其粘贴到另一个数据表中。

· 将当前工作表保存到CSV文件中。

· 获取新CSV文件的路径。

· 在Python中，使用pd.read\_csv('path/to/csv/file')将文件读入一个Pandas数据框架。

当然，其实有种更简单的方法——pd.read\_clipboard()。

· 复制所需数据区域

· 在Python中，使用pd.read\_clipboard()

![1218f6409d31a7afed88ee607fe8855f.png][]

如上所示，如果只是想要将一些数据加载到Pandas中，那么无需CSV或Excel的分离文件。

在该函数中还有一些小窍门。例如，当遇到带有日期格式的数据时，可能无法正确加载，如下所示：

![9f999353c95c6a05dc329c6ea287676a.png][]

诀窍就是，为Pandas注明哪一列是需要解析的日期格式。

df = pd.read_clipboard(parse_dates=['dob'])

![d4992ae25c2ed10ebd557251db93919a.png][]

![0c774cc32462525e80a3d25523f69905.png][]

# 使用测试方法生成虚拟数据 #

有时可能需要生成一些样本数据帧，最常见的方法应该是使用NumPy生成一个具有随机值的数组，然后从该数组生成数据帧。

如果数据需要具有一定的分布，比如正态分布，就必须使用这种方法。但是，大多数情况下，数据是否呈正态分布并不重要，只要有数据就好。在这种情况下，有一种更简单的方法，即使用pandas.util.testing测试包生成样本数据帧。

pd.util.testing.makeDataFrame()

数据帧的索引将使用随机字符串生成，默认情况下将有4列30行。

![a2cd4c4741bdc2765ead72f94fbc70b3.png][]

如果需要数量相当的行和列，可以将testing.N定义为行数，并将testing.K定义为列数。

pd.util.testing.N = 10
    pd.util.testing.K = 5
    pd.util.testing.makeDataFrame()

![ee0e38c335658c59df14e45bb7365f25.png][]

![f11b68775d38bea4886e1a1f94d51d25.png][]

# 将数据帧输出至压缩文件 #

![55cea1c9ee31ba795116c4884d6ad362.png][]

图源：unsplash

数据帧可以轻松输出至文件，例如以df.to\_csv()、df.to\_json()等形式。但有时，为节省磁盘空间或另作它用，需要压缩文件。例如，作为一名数据工程师，为了将Pandas数据帧输出到CSV文件中，并将其传输到远程服务器，在发送前需要压缩文件以节省空间和带宽。

通常，一贯的解决方案是在所用调度工具(如Airflow或Oozie)中多操作一步，但Pandas可以直接输出压缩文件。所以，解决方案几步就可完成，更加简洁明了。

先使用第二个小窍门生成随机数据帧吧：

pd.util.testing.N = 100000
    pd.util.testing.K = 5
    df = pd.util.testing.makeDataFrame()

![617609137ebb0f10add955b31ba58c30.png][]

在该例子中，仅需要一个数据框架，其中的值可完全不计。现在，将数据帧保存到一个CSV文件中，并检查其大小。

import osdf.to_csv('sample.csv')os.path.getsize('sample.csv')

![fd9e495e295661985dadfa0fcecc10db.png][]

然后，可以试试将相同的数据帧输出到压缩文件中，并检查文件的大小。

df.to_csv('sample.csv.gz', compression='gzip')os.path.getsize('sample.csv.gz')

![aef5af884b3dad941a634a458a92568c.png][]

可以看到，压缩文件小于正常CSV文件的一半。

这可能不是一个好例子，因为该随机数据帧中没有任何重复值。在实践中，如果存在分类值，压缩率会非常高！顺便一提，如你所想，Pandas可以直接将压缩文件读入数据帧，无须在文件系统中解压它。

df = pd.read_csv('sample.csv.gz', compression='gzip', index_col=0)

![458f1f78aeb04a52a7556e43659d1e24.png][]

gzip是优先选择，因为它默认存在于大多数Linux系统中。Pandas还支持其它压缩格式，比如“zip”和“bz2”。

![97611564bd2f6ac072d1368e936a9e6d.png][]

# 多列获取DateTime（时间日期） #

![8bcf49fd86ff542310a71f040ffc7b9d.png][]

图源：unsplash

在Pandas中，你一定用过pd.to\_datetime()方法将某种字符串转换为DateTime格式，这通常用于处理诸如%Y%m%d的格式字符串。然而，也有时可能会使用下方所示的数据框架作为原始数据。

df = pd.DataFrame({
        'year': np.arange(2000, 2012),
        'month': np.arange(1, 13),
        'day': np.arange(1, 13),
        'value': np.random.randn(12)
    })

![671fb5f9b7bbf65025804e5069830c47.png][]

在数据框架中，将年、月、日作为单独列分隔开来屡见不鲜，可以使用pd.to\_dateframe()将其一步转换为DateTime列。

> df\['date'\] = pd.to\_datetime(df\[\['year', 'month', 'day'\]\])

![cee9ef584aff1084b012f323bc7fa660.png][]

本文分享了一些关于Pandas Python库的省时小窍门。简而言之，人生苦短，Python值得。

![cc0a2d6c3db33c4edc3b35c8bceb3097.png][]

**一起分享AI学习与发展的干货**

**欢迎关注全平台AI垂类自媒体 “读芯术”**

![format_png][]

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）

[64cd94407da8867b1f97c9afee180e41.png]: /images/20221123/9109a53754394b0ca85493f8b549220c.png
[2dba8c042757cec3b697f450defc9000.png]: /images/20221123/62db13d2b06a40e1b51ca51b54b4aaf4.png
[1218f6409d31a7afed88ee607fe8855f.png]: /images/20221123/ad3591ac512f4bb4aa1ad1ee17b03809.png
[9f999353c95c6a05dc329c6ea287676a.png]: /images/20221123/02c76584dc0c41f1b1cc337bc42b466f.png
[d4992ae25c2ed10ebd557251db93919a.png]: /images/20221123/e30a1c440ba94651b53dad80857e98de.png
[0c774cc32462525e80a3d25523f69905.png]: /images/20221123/3a0a5e9c0c774f26b185109fc506fcb9.png
[a2cd4c4741bdc2765ead72f94fbc70b3.png]: /images/20221123/c2297bbac39e4dfca188fbaa80b4c336.png
[ee0e38c335658c59df14e45bb7365f25.png]: /images/20221123/31bf590a20554ad3bc1d276d79d43065.png
[f11b68775d38bea4886e1a1f94d51d25.png]: /images/20221123/26aae7aa415d44e7a956c0be2864bd47.png
[55cea1c9ee31ba795116c4884d6ad362.png]: /images/20221123/f817f642b9524267863f8e89ec544afb.png
[617609137ebb0f10add955b31ba58c30.png]: /images/20221123/d02985d5ccbe4af99a2cb36a1b1425b4.png
[fd9e495e295661985dadfa0fcecc10db.png]: /images/20221123/2e862c372b67458285b9b2c595656e26.png
[aef5af884b3dad941a634a458a92568c.png]: /images/20221123/c1b253e815b04c3fb9a5bbd3655b3e08.png
[458f1f78aeb04a52a7556e43659d1e24.png]: /images/20221123/9034e6c8af13486db388ec629b4815be.png
[97611564bd2f6ac072d1368e936a9e6d.png]: /images/20221123/daecd1d64b3b40e39dc715cafed9f28c.png
[8bcf49fd86ff542310a71f040ffc7b9d.png]: /images/20221123/15d0f54a4bce4d1b8b53b1ee6a1382f5.png
[671fb5f9b7bbf65025804e5069830c47.png]: /images/20221123/8255af38d021416f814d2ccc2f16253a.png
[cee9ef584aff1084b012f323bc7fa660.png]: /images/20221123/10f18180392740b2ab2e0b6b86a6b7b0.png
[cc0a2d6c3db33c4edc3b35c8bceb3097.png]: /images/20221123/08e4e30670aa47b899e83b57c7481cd6.png
[format_png]: /images/20221123/b136b8f9da6c43b99f1bcd6d9711a110.png