看Pythoner如何玩转Python

2021-02-05    分类: 网站建设

pandas是基于numpy构建的,使数据分析工作变得更快更简单的高级数据结构和操作工具。本文为大家带来10个玩转Python的小技巧,学会了分分钟通关变大神!

Python

1. read_csv

每个人都知道这个命令。但如果你要读取很大的数据,尝试添加这个参数:nrows = 5,以便在实际加载整个表之前仅读取表的一小部分。然后你可以通过选择错误的分隔符来避免错误(它不一定总是以逗号分隔)。

(或者,你可以在linux中使用'head'命令来检查任何文本文件中的前5行,例如:head -c 5 data.txt)

然后,你可以使用df.columns.tolist()来提取列表中的所有列,然后添加usecols = ['c1','c2',...]参数以加载所需的列。此外,如果你知道几个特定列的数据类型,则可以添加参数dtype = {'c1':str,'c2':int,...},以便数据加载得更快。此参数还有另一个优点,如果你有一个同时包含字符串和数字的列,那么将其类型声明为字符串是一个好选择,这样就可以在尝试使用此列作为键去合并表时不会出错。

2. select_dtypes

如果必须在Python中进行数据预处理,那么这个命令可以节约一些时间。读取表后,每列的默认数据类型可以是bool,int64,float64,object,category,timedelta64或datetime64。你可以先查看

  1. df.dtypes.value_counts() 

命令分发的结果以了解数据帧的所有可能数据类型,然后执行

  1. df.select_dtypes(include = ['float64','int64']) 

选择仅具有数字特征的子数据帧。

3. Copy

这是一个重要的命令。如果执行以下命令:

  1. import pandas as pd 
  2. df1 = pd.DataFrame({ ‘a’:[0,0,0], ‘b’: [1,1,1]}) 
  3. df2 = df1 
  4. df2[‘a’] = df2[‘a’] + 1 
  5. df1.head() 

你会发现df1已经改变了。这是因为df2 = df1没有复制df1的值并将其分配给df2,而是设置指向df1的指针。因此,df2的任何变化都会导致df1发生变化 要解决这个问题,你可以:

  1. df2   
  2. = df1.copy() 
  3. br 

或者

  1. from copy import deepcopy 
  2. df2 = deepcopy(df1) 

4. Map

这是一个可以进行简单数据转换的命令。首先定义一个字典,其中'keys'是旧值,'values'是新值。

  1. level_map = {1: ‘high’, 2: ‘medium’, 3: ‘low’} 
  2. df[‘c_level’] = df[‘c’].map(level_map) 

举几个例子:True,False为1,0(用于建模); 定义水平; 用户定义的词法编码。

5. apply or not apply?

如果我们想创建一个新的列,并将其他列作为输入,那么apply函数有时非常有用。

  1. def rule(x, y): 
  2.     if x == ‘high’ and y > 10: 
  3.          return 1 
  4.     else: 
  5.          return 0 
  6. df = pd.DataFrame({ 'c1':[ 'high' ,'high', 'low', 'low'], 'c2': [0, 23, 17, 4]}) 
  7. df['new'] = df.apply(lambda x: rule(x['c1'], x['c2']), axis =  1) 
  8. df.head() 

在上面的代码中,我们定义了一个带有两个输入变量的函数,并使用apply函数将其应用于列'c1'和'c2'。

但“apply函数”的问题是它有时太慢了。 如果你想计算两列“c1”和“c2”的大值,你可以:

  1. df[‘maximum’] = df.apply(lambda x: max(x[‘c1’], x[‘c2’]), axis = 1) 

但你会发现它比这个命令慢得多:

  1. df[‘maximum’] = df[[‘c1’,’c2']].max(axis =1) 

注意:如果可以使用其他内置函数完成相同的工作(它们通常更快),请不要使用apply。例如,如果要将列'c'舍入为整数,请执行round(df ['c'],0)而非使用apply函数:

  1. df.apply(lambda x: round(x['c'], 0), axis = 1) 

6. value counts

这是一个检查值分布的命令。例如,如果你想检查“c”列中每个值的可能值和频率,可以执行以下操作

  1. df[‘c’].value_counts() 

它有一些有用的技巧/参数:

  1. A. normalize = True:如果你要检查频率而不是计数。 
  2. B. dropna = False:如果你要统计数据中包含的缺失值。 
  3. C. df['c'].value_counts().reset_index():  如果你想将stats表转换成pandas数据帧并进行操作。 
  4. D. df['c'].value_counts().reset_index().sort_values(by='index') : 显示按值而不是按计数排序的统计数据。 

7. 缺失值的数量

构建模型时,你可能希望排除具有很多缺失值或全是缺失值的行。你可以使用.isnull()和.sum()来计算指定列中缺失值的数量。

  1. import pandas as pd 
  2. import numpy as np 
  3. df = pd.DataFrame({ ‘id’: [1,2,3], ‘c1’:[0,0,np.nan], ‘c2’: [np.nan,1,1]}) 
  4. dfdf = df[[‘id’, ‘c1’, ‘c2’]] 
  5. df[‘num_nulls’] = df[[‘c1’, ‘c2’]].isnull().sum(axis=1) 
  6. df.head() 

8. 选择具有特定ID的行

在SQL中,我们可以使用SELECT * FROM ... WHERE ID('A001','C022',...)来获取具有特定ID的记录。如果想用Pandas做同样的事情,你可以

  1. dfdf_filter = df[‘ID’].isin([‘A001’,‘C022’,...]) 
  2. df[df_filter] 

9. Percentile groups

你有一个数字列,并希望将该列中的值分类为组,例如将列的前5%,分为组1,前5-20%分为组2,前20%-50%分为组3,最后50%分为组4。当然,你可以用pandas.cut来做,但这里提供另一个选择:

  1. import numpy as np 
  2. cut_points = [np.percentile(df[‘c’], i) for i in [50, 80, 95]] 
  3. df[‘group’] = 1 
  4. for i in range(3): 
  5.     df[‘group’] = df[‘group’] + (df[‘c’] < cut_points[i]) 
  6. # or <= cut_points[i] 

这个指令使计算机运行的非常快(没有使用应用功能)。

10. to_csv

这也是每个人都会使用的命令。这里指出两个技巧。 第一个是

  1. print(df[:5].to_csv()) 

你可以使用此命令准确地打印出写入文件的前五行数据。

另一个技巧是处理混合在一起的整数和缺失值。如果列同时包含缺失值和整数,则数据类型仍将是float而不是int。导出表时,可以添加float_format ='%。0f'将所有浮点数舍入为整数。如果只想要所有列的整数输出,请使用此技巧,你将摆脱所有令人苦恼的'.0'。

文章题目:看Pythoner如何玩转Python
浏览路径:https://www.cdcxhl.com/news/99241.html

成都网站建设公司_创新互联,为您提供网站排名域名注册网站制作营销型网站建设全网营销推广网站建设

广告

声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联

成都网站建设