时间:2021-05-22
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!
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
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
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:
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:
或者
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。
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。
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”的最大值,你可以:
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:
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:
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
df[‘c'].value_counts()
它有一些有用的技巧/参数:
A. normalize = True:如果你要检查频率而不是计数。
B. dropna = False:如果你要统计数据中包含的缺失值。
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。
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。
import pandas as pd import numpy as np df = pd.DataFrame({ ‘id': [1,2,3], ‘c1':[0,0,np.nan], ‘c2': [np.nan,1,1]}) dfdf = df[[‘id', ‘c1', ‘c2']] df[‘num_nulls'] = df[[‘c1', ‘c2']].isnull().sum(axis=1) 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
dfdf_filter = df[‘ID'].isin([‘A001',‘C022',...]) 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:
import numpy as np cut_points = [np.percentile(df[‘c'], i) for i in [50, 80, 95]] df[‘group'] = 1 for i in range(3): df[‘group'] = df[‘group'] + (df[‘c'] < cut_points[i]) # 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
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'。
总结
以上所述是小编给大家介绍的10招!看骨灰级Pythoner玩转Python的方法 ,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
怎样提高网络知名度?网络营销推广对提高网站点击有着至关重要的作用。怎样做好网络营销?方法有很多。但是在众多网络营销推广方法中,最骨灰级的要数论坛推广了。 但是
相信生活中有不少科技达人都会为自己“配备”好几个固态硬盘,还有“骨灰级”科技达人入手了不少电子硬盘,那么固态
教您怎样使用支付宝担保交易,骨灰级卖家给新手卖家的建议。淘宝网(.taobao)和支付宝网站(.alipay)是绑定在一起的。有些淘宝新手买家/卖家并不知道有了
本人在拍拍购物经验虽然不多,但是对于网购算是骨灰级的人物了。在其它购物平台购物有好几次出现了问题,衣服严重脱线、剃须刀几天不转了、鞋子买回来太小穿不了(买的
大家都知道,ROG一直致力于为玩家们打造超高性能的高端游戏台式机,今年年初发布的ROG光魔G35自然也不例外,独有的造型和夸张的配置让骨灰级玩家们大呼过瘾,再加