有哪些高效的Pandas函数

这篇文章主要讲解了"有哪些高效的Pandas函数"，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习"有哪些高效的Pandas函数"吧！

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：

• n：要抽取的行数

• frac：抽取行的比例 例如frac=0.8，就是抽取其中80%

• replace：是否为有放回抽样， True:有放回抽样 False:未放回抽样

• weights：字符索引或概率数组

• random_state ：随机数发生器种子

• 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：

DataFrame.loc[] 或者 DataFrame.iloc[]

• 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：

• axis：行或者列

• 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

• 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'])

感谢各位的阅读，以上就是"有哪些高效的Pandas函数"的内容了，经过本文的学习后，相信大家对有哪些高效的Pandas函数这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！