你可能不知道的pandas的5个基本技巧
between 函数
多年来我一直在SQL中使用“between”函数,但直到最近才在pandas中发现它。
假设我们有一个带有价格的DataFrame,我们想要过滤2到4之间的价格。
df = pd.DataFrame({'price': [1.99, 3, 5, 0.5, 3.5, 5.5, 3.9]})
使用between功能,您可以减少此过滤器:
df[(df.price >= 2) & (df.price <= 4)]
使用between
df[df.price.between(2, 4)]
它看起来可能不多,但是当编写许多过滤器时,这些括号很烦人。带有between函数的过滤器也更具可读性。
函数集合都是有等号的:左<=series<=右
用reindex函数修正行顺序
重索引函数为一个序列或一个数据文件生成一个新索引。在生成具有预定义顺序的列的报告时,我使用reindex函数。
让我们把t恤的尺寸添加到我们的数据库里。分析的目的是计算每种尺寸的平均价格:
df = pd.DataFrame({'price': [1.99, 3, 5], 'size': ['medium', 'large', 'small']})df_avg =
df.groupby('size').price.mean()
df_avg
在上表中,大小的顺序是随机的。应该订小杯、中杯、大杯。由于大小是字符串,我们不能使用sort_values函数。这里有一个重新索引函数:
df_avg.reindex(['small', 'medium', 'large'])
通过在reindex函数中指定大小的顺序,使得结果更容易解释。
Describe函数
描述函数是进行探索性数据分析时必不可少的工具。它显示了DataFrame中所有列的基本汇总统计信息。
df.price.describe()
如果我们想计算10个分位数而不是3个呢?
df.price.describe(percentiles=np.arange(0, 1, 0.1))
描述函数接受百分比参数。我们可以使用NumPy的arange函数指定百分比数,以避免手工输入每个百分比。
当与group by功能结合时,这个功能变得非常有用:
df.groupby('size').describe(percentiles=np.arange(0, 1, 0.1))
使用正则表达式进行文本搜索
我们的t恤数据集有3种尺寸。假设我们想要过滤小的和中号的。一种繁琐的过滤方式是:
df[(df['size'] == 'small') | (df['size'] == 'medium')]
这很糟糕,因为我们通常将其与其他过滤器结合在一起,这使得表达式不可读。有更好的方法吗?
pandas字符串列有一个“str”访问器,它实现了许多简化字符串操作的函数。其中之一是“contains”函数,它支持使用正则表达式进行搜索。
df[df['size'].str.contains('small|medium')]
带有“contains”函数的过滤器可读性更强,更容易扩展和与其他过滤器组合。
大内存数据集
pandas甚至不能读取比主内存数据集更大的数据。它抛出MemoryError或内核崩溃。但是要处理一个大数据集,你不需要Dask或Vaex这样的包,只需要一些小技巧。
iter_csv = pd.read_csv('dataset.csv', iterator=True, chunksize=1000)
df = pd.concat([chunk[chunk['field'] > constant] for chunk in iter_csv])
分块读取数据集比一次全部读取要慢。我建议只在大于内存数据集的情况下使用这种方法。
在这种情况下,你不需要所有的列,你可以指定需要的列“usecols”参数时,读取数据集:
df = pd.read_csv('file.csv', usecols=['col1', 'col2'])
这两种方法的好处是可以将它们组合在一起。
作者:Roman Orac
deephub翻译组
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- resteasy 接收post请求参数——json and 表单
- 合理配置Mysql缓存,提高缓存命中率
- 浮点数的基本数据类型不能用 == 比较
- centos7 下使用Supervisor监控 gin服务
- Json web token的简单实现 JAVA
- go 指针和内存分配详解
- Git如何解决本地冲突(纯净版)
- No qualifying bean of type 'org.springframework.transaction.PlatformTransactionManager' available:
- typescript中的class和interface
- SSH随笔
- Python爬虫+Flask,带你创建车标学习网站
- Go 堆栈的理解
- Kubernetes 与虚拟化和容器化的关系
- Golang 读、写文件
- 这次妥妥地拿下散列表---基础、如何设计以及扩展使用(LRU)