使用Numpy与Pandas的高效技巧有哪些
本篇内容介绍了“使用Numpy与Pandas的高效技巧有哪些”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!
成都服务器托管,创新互联提供包括服务器租用、服务器托管、带宽租用、云主机、机柜租用、主机租用托管、CDN网站加速、空间域名等业务的一体化完整服务。电话咨询:028-86922220
Numpy 的 6 种高效函数
首先从 Numpy 开始。Numpy 是用于科学计算的 Python 语言扩展包,通常包含强大的 N 维数组对象、复杂函数、用于整合 C/C++和 Fortran 代码的工具以及有用的线性代数、傅里叶变换和随机数生成能力。
除了上面这些明显的用途,Numpy 还可以用作通用数据的高效多维容器(container),定义任何数据类型。这使得 Numpy 能够实现自身与各种数据库的无缝、快速集成。
接下来一一解析 6 种 Numpy 函数。
argpartition()
借助于 argpartition(),Numpy 可以找出 N 个最大数值的索引,也会将找到的这些索引输出。然后我们根据需要对数值进行排序。
x = np.array([12, 10, 12, 0, 6, 8, 9, 1, 16, 4, 6, 0])index_val = np.argpartition(x, -4)[-4:] index_val array([1, 8, 2, 0], dtype=int64)np.sort(x[index_val]) array([10, 12, 12, 16])
allclose()
allclose() 用于匹配两个数组,并得到布尔值表示的输出。如果在一个公差范围内(within a tolerance)两个数组不等同,则 allclose() 返回 False。该函数对于检查两个数组是否相似非常有用。
array1 = np.array([0.12,0.17,0.24,0.29]) array2 = np.array([0.13,0.19,0.26,0.31])# with a tolerance of 0.1, it should return False: np.allclose(array1,array2,0.1) False# with a tolerance of 0.2, it should return True: np.allclose(array1,array2,0.2) True
clip()
Clip() 使得一个数组中的数值保持在一个区间内。有时,我们需要保证数值在上下限范围内。为此,我们可以借助 Numpy 的 clip() 函数实现该目的。给定一个区间,则区间外的数值被剪切至区间上下限(interval edge)。
x = np.array([3, 17, 14, 23, 2, 2, 6, 8, 1, 2, 16, 0])np.clip(x,2,5) array([3, 5, 5, 5, 2, 2, 5, 5, 2, 2, 5, 2])
extract()
顾名思义,extract() 是在特定条件下从一个数组中提取特定元素。借助于 extract(),我们还可以使用 and 和 or 等条件。
# Random integers array = np.random.randint(20, size=12) array array([ 0, 1, 8, 19, 16, 18, 10, 11, 2, 13, 14, 3])# Divide by 2 and check if remainder is 1 cond = np.mod(array, 2)==1 cond array([False, True, False, True, False, False, False, True, False, True, False, True])# Use extract to get the values np.extract(cond, array) array([ 1, 19, 11, 13, 3])# Apply condition on extract directly np.extract(((array < 3) | (array > 15)), array) array([ 0, 1, 19, 16, 18, 2])
where()
Where() 用于从一个数组中返回满足特定条件的元素。比如,它会返回满足特定条件的数值的索引位置。Where() 与 SQL 中使用的 where condition 类似,如以下示例所示:
y = np.array([1,5,6,8,1,7,3,6,9])# Where y is greater than 5, returns index position np.where(y>5) array([2, 3, 5, 7, 8], dtype=int64),)# First will replace the values that match the condition, # second will replace the values that does not np.where(y>5, "Hit", "Miss") array([ Miss , Miss , Hit , Hit , Miss , Hit , Miss , Hit , Hit ],dtype=percentile()
Percentile() 用于计算特定轴方向上数组元素的第 n 个百分位数。
a = np.array([1,5,6,8,1,7,3,6,9])print("50th Percentile of a, axis = 0 : ", np.percentile(a, 50, axis =0)) 50th Percentile of a, axis = 0 : 6.0b = np.array([[10, 7, 4], [3, 2, 1]])print("30th Percentile of b, axis = 0 : ", np.percentile(b, 30, axis =0)) 30th Percentile of b, axis = 0 : [5.1 3.5 1.9]这就是 Numpy 扩展包的 6 种高效函数,相信会为你带来帮助。接下来看一看 Pandas 数据分析库的 6 种函数。
Pandas 数据统计包的 6 种高效函数
Pandas 也是一个 Python 包,它提供了快速、灵活以及具有显著表达能力的数据结构,旨在使处理结构化 (表格化、多维、异构) 和时间序列数据变得既简单又直观。
Pandas 适用于以下各类数据:
具有异构类型列的表格数据,如 SQL 表或 Excel 表;
有序和无序 (不一定是固定频率) 的时间序列数据;
带有行/列标签的任意矩阵数据(同构类型或者是异构类型);
其他任意形式的统计数据集。事实上,数据根本不需要标记就可以放入 Pandas 结构中。
Pandas 擅长处理的类型如下所示:
容易处理浮点数据和非浮点数据中的 缺失数据(用 NaN 表示);
大小可调整性: 可以从 DataFrame 或者更高维度的对象中插入或者是删除列;
显式数据可自动对齐: 对象可以显式地对齐至一组标签内,或者用户可以简单地选择忽略标签,使 Series、 DataFrame 等自动对齐数据;
灵活的分组功能,对数据集执行拆分-应用-合并等操作,对数据进行聚合和转换;
简化将数据转换为 DataFrame 对象的过程,而这些数据基本是 Python 和 NumPy 数据结构中不规则、不同索引的数据;
基于标签的智能切片、索引以及面向大型数据集的子设定;
更加直观地合并以及连接数据集;
更加灵活地重塑、转置(pivot)数据集; 轴的分级标记 (可能包含多个标记);
具有鲁棒性的 IO 工具,用于从平面文件 (CSV 和 delimited)、 Excel 文件、数据库中加在数据,以及从 HDF5 格式中保存 / 加载数据;
时间序列的特定功能: 数据范围的生成以及频率转换、移动窗口统计、数据移动和滞后等。
read_csv(nrows=n)
大多数人都会犯的一个错误是,在不需要.csv 文件的情况下仍会完整地读取它。如果一个未知的.csv 文件有 10GB,那么读取整个.csv 文件将会非常不明智,不仅要占用大量内存,还会花很多时间。我们需要做的只是从.csv 文件中导入几行,之后根据需要继续导入。
import io import requests# I am using this online data set just to make things easier for you guys url = "https://raw.github.com/vincentarelbundock/Rdatasets/master/csv/datasets/AirPassengers.csv" s = requests.get(url).content# read only first 10 rows df = pd.read_csv(io.StringIO(s.decode( utf-8 )),nrows=10 , index_col=0)map()
map( ) 函数根据相应的输入来映射 Series 的值。用于将一个 Series 中的每个值替换为另一个值,该值可能来自一个函数、也可能来自于一个 dict 或 Series。
# create a dataframe dframe = pd.DataFrame(np.random.randn(4, 3), columns=list( bde ), index=[ India , USA , China , Russia ])#compute a formatted string from each floating point value in frame changefn = lambda x: %.2f % x# Make changes element-wise dframe[ d ].map(changefn)apply()
apply() 允许用户传递函数,并将其应用于 Pandas 序列中的每个值。
# max minus mix lambda fn fn = lambda x: x.max() - x.min()# Apply this on dframe that we ve just created above dframe.apply(fn)isin()
lsin () 用于过滤数据帧。Isin () 有助于选择特定列中具有特定(或多个)值的行。
# Using the dataframe we created for read_csv filter1 = df["value"].isin([112]) filter2 = df["time"].isin([1949.000000])df [filter1 & filter2]copy()
Copy () 函数用于复制 Pandas 对象。当一个数据帧分配给另一个数据帧时,如果对其中一个数据帧进行更改,另一个数据帧的值也将发生更改。为了防止这类问题,可以使用 copy () 函数。
# creating sample series data = pd.Series([ India , Pakistan , China , Mongolia ])# Assigning issue that we face datadata1= data # Change a value data1[0]= USA # Also changes value in old dataframe data# To prevent that, we use # creating copy of series new = data.copy()# assigning new values new[1]= Changed value # printing data print(new) print(data)select_dtypes()
select_dtypes() 的作用是,基于 dtypes 的列返回数据帧列的一个子集。这个函数的参数可设置为包含所有拥有特定数据类型的列,亦或者设置为排除具有特定数据类型的列。
# We ll use the same dataframe that we used for read_csv framex = df.select_dtypes(include="float64")# Returns only time column最后,pivot_table( ) 也是 Pandas 中一个非常有用的函数。如果对 pivot_table( ) 在 excel 中的使用有所了解,那么就非常容易上手了。
# Create a sample dataframe school = pd.DataFrame({ A : [ Jay , Usher , Nicky , Romero , Will ], B : [ Masters , Graduate , Graduate , Masters , Graduate ], C : [26, 22, 20, 23, 24]})# Lets create a pivot table to segregate students based on age and course table = pd.pivot_table(school, values = A , index =[ B , C ], columns =[ B ], aggfunc = np.sum, fill_value="Not Available") table“使用Numpy与Pandas的高效技巧有哪些”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!
网页名称:使用Numpy与Pandas的高效技巧有哪些
文章位置:http://scyanting.com/article/jpesps.html