高效的Pandas函数有哪些

本篇内容介绍了“高效的Pandas函数有哪些”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

为营口等地区用户提供了全套网页设计制作服务，及营口网站建设行业解决方案。主营业务为成都网站建设、网站设计、营口网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！

成都创新互联公司是一家以重庆网站建设公司、网页设计、品牌设计、软件运维、成都网站营销、小程序App开发等移动开发为一体互联网公司。已累计为水泥搅拌车等众行业中小客户提供优质的互联网建站和软件开发服务。

介绍这些函数之前，第一步先要导入pandas和numpy。

import numpy as np import pandas as pd

1. Query

Query是pandas的过滤查询函数，使用布尔表达式来查询DataFrame的列，就是说按照列的规则进行过滤操作。

用法：

pandas.DataFrame.query(self, expr, inplace = False, **kwargs)

参数作用：

• expr：要评估的查询字符串;

• inplace=False：查询是应该修改数据还是返回修改后的副本

• kwargs：dict关键字参数

首先生成一段df：

values_1 = np.random.randint(10, size=10) values_2 = np.random.randint(10, size=10) years = np.arange(2010,2020) groups = ['A','A','B','A','B','B','C','A','C','C'] df = pd.DataFrame({'group':groups, 'year':years, 'value_1':values_1, 'value_2':values_2}) df

过滤查询用起来比较简单，比如要查列value_1

df.query('value_1 < value_2')

查询列year>=2016的行记录：

df.query('year >= 2016 ')

2. Insert

Insert用于在DataFrame的指定位置中插入新的数据列。默认情况下新列是添加到末尾的，但可以更改位置参数，将新列添加到任何位置。

用法：

Dataframe.insert(loc, column, value, allow_duplicates=False)

参数作用：

• loc：int型，表示插入位置在第几列;若在第一列插入数据，则 loc=0

• column：给插入的列取名，如 column='新的一列'

• value：新列的值，数字、array、series等都可以

• allow_duplicates：是否允许列名重复，选择Ture表示允许新的列名与已存在的列名重复

接着用前面的df：

在第三列的位置插入新列：

#新列的值 new_col = np.random.randn(10) #在第三列位置插入新列，从0开始计算 df.insert(2, 'new_col', new_col) df

3. Cumsum

Cumsum是pandas的累加函数，用来求列的累加值。

用法：

DataFrame.cumsum(axis=None, skipna=True, args, kwargs)

参数作用：

• axis：index或者轴的名字

• skipna：排除NA/null值

以前面的df为例，group列有A、B、C三组，year列有多个年份。我们只知道当年度的值value_1、value_2，现在求group分组下的累计值，比如A、2014之前的累计值，可以用cumsum函数来实现。

当然仅用cumsum函数没办法对groups (A, B, C)进行区分，所以需要结合分组函数groupby分别对(A, B, C)进行值的累加。

df['cumsum_2'] = df[['value_2','group']].groupby('group').cumsum() df

4. Sample

Sample用于从DataFrame中随机选取若干个行或列。

用法：

DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)

参数作用：

(1) n：要抽取的行数

(2) frac：抽取行的比例

• 例如frac=0.8，就是抽取其中80%

(3) replace：是否为有放回抽样，

• True：有放回抽样

• False：未放回抽样

(4) weights：字符索引或概率数组

(5) random_state ：随机数发生器种子

(6) axis：选择抽取数据的行还是列

• axis=0：抽取行

• axis=1：抽取列

比如要从df中随机抽取5行：

sample1 = df.sample(n=5) sample1

从df随机抽取60%的行，并且设置随机数种子，每次能抽取到一样的样本：

sample2 = df.sample(frac=0.6,random_state=2) sample2

5. Where

Where用来根据条件替换行或列中的值。如果满足条件，保持原来的值，不满足条件则替换为其他值。默认替换为NaN，也可以指定特殊值。

用法：

DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, errors='raise', try_cast=False, raise_on_error=None)

参数作用：

• cond：布尔条件，如果 cond 为真，保持原来的值，否则替换为other

• other：替换的特殊值

• inplace：inplace为真则在原数据上操作，为False则在原数据的copy上操作

• axis：行或列

将df中列value_1里小于5的值替换为0：

df['value_1'].where(df['value_1'] > 5 , 0)

Where是一种掩码操作。

掩码(英语：Mask)在计算机学科及数字逻辑中指的是一串二进制数字，通过与目标数字的按位操作，达到屏蔽指定位而实现需求。

6. Isin

Isin也是一种过滤方法，用于查看某列中是否包含某个字符串，返回值为布尔Series，来表明每一行的情况。

用法：

Series.isin(values) 或者 DataFrame.isin(values)

筛选df中year列值在['2010','2014','2017']里的行：

years = ['2010','2014','2017'] df[df.year.isin(years)]

7. Loc and iloc

Loc和iloc通常被用来选择行和列，它们的功能相似，但用法是有区别的。

用法：

years = ['2010','2014','2017'] df[df.year.isin(years)]

• loc：按标签(column和index)选择行和列

• iloc：按索引位置选择行和列

选择df第1~3行、第1~2列的数据，使用iloc：

df.iloc[:3,:2]

使用loc：

df.loc[:2,['group','year']]1

提示：使用loc时，索引是指index值，包括上边界。iloc索引是指行的位置，不包括上边界。

选择第1、3、5行，year和value_1列：

df.loc[[1,3,5],['year','value_1']]

8. Pct_change

Pct_change是一个统计函数，用于表示当前元素与前面元素的相差百分比，两元素的区间可以调整。

比如说给定三个元素[2,3,6]，计算相差百分比后得到[NaN, 0.5,  1.0]，从第一个元素到第二个元素增加50%，从第二个元素到第三个元素增加100%。

用法：

DataFrame.pct_change(periods=1, fill_method=‘pad’, limit=None, freq=None, **kwargs)

参数作用：

• periods：间隔区间，即步长

• fill_method：处理空值的方法

对df的value_1列进行增长率的计算：

df.value_1.pct_change()

9. Rank

Rank是一个排名函数，按照规则(从大到小，从小到大)给原序列的值进行排名，返回的是排名后的名次。

比如有一个序列[1,7,5,3]，使用rank从小到大排名后，返回[1,4,3,2]，这就是前面那个序列每个值的排名位置。

用法：

rank(axis=0, method: str = 'average', numeric_only: Union[bool, NoneType] = None, na_option: str = 'keep', ascending: bool = True, pct: bool = False)

参数作用：

(1) axis：行或者列

(2) method：返回名次的方式，可选{‘average’, ‘min’, ‘max’, ‘first’, ‘dense’}

• method=average 默认设置: 相同的值占据前两名，分不出谁是1谁是2，那么去中值即1.5，下面一名为第三名

• method=max: 两人并列第 2 名，下一个人是第 3 名

• method=min: 两人并列第 1 名，下一个人是第 3 名

• method=dense: 两人并列第1名，下一个人是第 2 名

• method=first: 相同值会按照其在序列中的相对位置定值

(3) ascending：正序和倒序

对df中列value_1进行排名：

df['rank_1'] = df['value_1'].rank() df

10. Melt

Melt用于将宽表变成窄表，是 pivot透视逆转操作函数，将列名转换为列数据(columns name → column  values)，重构DataFrame。

简单说就是将指定的列放到铺开放到行上变成两列，类别是variable(可指定)列，值是value(可指定)列。

用法：

pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)

参数作用：

• frame：它是指DataFrame

• id_vars [元组, 列表或ndarray, 可选]：不需要被转换的列名，引用用作标识符变量的列

• value_vars [元组, 列表或ndarray, 可选]：引用要取消透视的列。如果未指定, 请使用未设置为id_vars的所有列

• var_name [scalar]：指代用于”变量”列的名称。如果为None, 则使用- -  frame.columns.name或’variable’

• value_name [标量, 默认为’value’]：是指用于” value”列的名称

• col_level [int或string, 可选]：如果列为MultiIndex, 它将使用此级别来融化

例如有一串数据，表示不同城市和每天的人口流动：

import pandas as pd df1 = pd.DataFrame({'city': {0: 'a', 1: 'b', 2: 'c'},                      'day1': {0: 1, 1: 3, 2: 5},                      'day2': {0: 2, 1: 4, 2: 6}}) df1

现在将day1、day2列变成变量列，再加一个值列：

pd.melt(df1, id_vars=['city'])

“高效的Pandas函数有哪些”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！

分享标题：高效的Pandas函数有哪些
网站路径：http://cdxtjz.cn/article/iijpcd.html