來源：機器之心

本文約3000字，建議閱讀5分鐘

pandas 是 python 成為出色的編程語言的原因之一。

Python 是開源的，它很棒，但是也無法避免開源的一些固有問題：很多包都在做（或者在嘗試做）同樣的事情。如果你是 Python 新手，那么你很難知道某個特定任務的最佳包是哪個，你需要有經驗的人告訴你。有一個用于數據科學的包絕對是必需的，它就是 pandas。

pandas 最有趣的地方在于里面隱藏了很多包。它是一個核心包，里面有很多其他包的功能。這點很棒，因為你只需要使用 pandas 就可以完成工作。

pandas 相當于 python 中 excel：它使用表（也就是 dataframe)，能在數據上做各種變換，但還有其他很多功能。

如果你早已熟知 python 的使用，可以直接跳到第三段。

讓我們開始吧!

pandas 最基本的功能

讀取數據

data?=?pd.read_csv(?my_file.csv?) data?=?pd.read_csv(?my_file.csv?,?sep=?;?,?encoding=?latin-1?,?nrows=1000,?skiprows=[2,5])

sep 代表的是分隔符。如果你在使用法語數據，excel 中 csv 分隔符是「;」，因此你需要顯式地指定它。編碼設置為 latin-1 來讀取法語字符。nrows=1000 表示讀取前 1000 行數據。skiprows=[2,5] 表示你在讀取文件的時候會移除第 2 行和第 5 行。

• 最常用的功能：read_csv, read_excel

• 其他一些很棒的功能：read_clipboard, read_sql

寫數據

data.to_csv(?my_new_file.csv?,?index=None)

index=None 表示將會以數據本來的樣子寫入。如果沒有寫 index=None，你會多出一個第一列，內容是 1，2，3，...，一直到最后一行。

我通常不會去使用其他的函數，像.to_excel, .to_json, .to_pickle 等等，因為.to_csv 就能很好地完成工作，并且 csv 是最常用的表格保存方式。

檢查數據

imageGives?(#rows,?#columns)

給出行數和列數。

data.describe() 計算基本的統計數據。

查看數據

data.head(3)

打印出數據的前 3 行。與之類似，.tail() 對應的是數據的最后一行。

data.loc[8]

打印出第八行。

data.loc[8,??column_1?]

打印第八行名為「column_1」的列。

data.loc[range(4,6)]

第四到第六行（左閉右開）的數據子集。

pandas 的基本函數

邏輯運算

data[data[?column_1?]==?french?] data[(data[?column_1?]==?french?)?&?(data[?year_born?]==1990)] data[(data[?column_1?]==?french?)?&?(data[?year_born?]==1990)?&?~(data[?city?]==?London?)]通過邏輯運算來取數據子集。要使用 & (AND)、 ~ (NOT) 和 | (OR)，必須在 邏輯運算前后加上“（”和“）”。 data[data[?column_1?].isin([?french?,??english?])]除了可以在同一列使用多個 OR，你還可以使用.isin() 函數。基本繪圖

matplotlib 包使得這項功能成為可能。正如我們在介紹中所說，它可以直接在 pandas 中使用。

data[?column_numerical?].plot()image

.plot() 輸出的示例

data[?column_numerical?].hist()

畫出數據分布（直方圖）

image

.hist() 輸出的示例

%matplotlib?inline

如果你在使用 Jupyter，不要忘記在畫圖之前加上以上代碼。

更新數據

data.loc[8,??column_1?]?=??english 將第八行名為?column_1?的列替換為「english」data.loc[data[?column_1?]==?french?,??column_1?]?=??French

在一行代碼中改變多列的值。

好了，現在你可以做一些在 excel 中可以輕松訪問的事情了。下面讓我們深入研究 excel 中無法實現的一些令人驚奇的操作吧。

中級函數

統計出現的次數

data[?column_1?].value_counts()

image

.value_counts() 函數輸出示例

在所有的行、列或者全數據上進行操作

data[?column_1?].map(len)

len() 函數被應用在了「column_1」列中的每一個元素上

.map() 運算給一列中的每一個元素應用一個函數

data[?column_1?].map(len).map(lambda?x:?x/100).plot()

pandas 的一個很好的功能就是鏈式方法（https://tomaugspurger.github.io/method-chaining）。它可以幫助你在一行中更加簡單、高效地執行多個操作（.map() 和.plot()）。

data.apply(sum)

.apply() 會給一個列應用一個函數。

.applymap() 會給表 (DataFrame) 中的所有單元應用一個函數。

tqdm, 唯一的

在處理大規模數據集時，pandas 會花費一些時間來進行.map()、.apply()、.applymap() 等操作。tqdm 是一個可以用來幫助預測這些操作的執行何時完成的包（是的，我說謊了，我之前說我們只會使用到 pandas）。

from?tqdm?import?tqdm_notebook tqdm_notebook().pandas()

用 pandas 設置 tqdm

data[?column_1?].progress_map(lambda?x:?x.count(?e?))

用 .progress_map() 代替.map()、.apply() 和.applymap() 也是類似的。

image

在 Jupyter 中使用 tqdm 和 pandas 得到的進度條

相關性和散射矩陣

data.corr() data.corr().applymap(lambda?x:?int(x*100)/100)

image

.corr() 會給出相關性矩陣

pd.plotting.scatter_matrix(data,?figsize=(12,8))

image

散點矩陣的例子。它在同一幅圖中畫出了兩列的所有組合。

pandas 中的高級操作

關聯

在 pandas 中實現關聯是非常非常簡單的

data.merge(other_data,?on=[?column_1?,??column_2?,??column_3?])

關聯三列只需要一行代碼

分組

一開始并不是那么簡單，你首先需要掌握語法，然后你會發現你一直在使用這個功能。

data.groupby(?column_1?)[?column_2?].apply(sum).reset_index()

按一個列分組，選擇另一個列來執行一個函數。.reset_index() 會將數據重構成一個表。

image

正如前面解釋過的，為了優化代碼，在一行中將你的函數連接起來。

行迭代

dictionary?=?{}for?i,row?in?data.iterrows():dictionary[row[?column_1?]]?=?row[?column_2?]

.iterrows() 使用兩個變量一起循環：行索引和行的數據 (上面的 i 和 row)。

總而言之，pandas 是 python 成為出色的編程語言的原因之一。

我本可以展示更多有趣的 pandas 功能，但是已經寫出來的這些足以讓人理解為何數據科學家離不開 pandas。總結一下，pandas 有以下優點：

• 易用，將所有復雜、抽象的計算都隱藏在背后了；

• 直觀；

• 快速，即使不是最快的也是非常快的。

它有助于數據科學家快速讀取和理解數據，提高其工作效率。

原文鏈接：

https://towardsdatascience.com/be-a-more-efficient-data-scientist-today-master-pandas-with-this-guide-ea362d27386

編輯：文婧? ?校對：龔力

本文為轉載分享&推薦閱讀，若侵權請聯系后臺刪除

-----------------

長按識別下方二維碼，并關注公眾號

1.回復“PY”領取1GB?Python數據分析資料

2.回復“BG”領取5GB 名企數據分析報告

總結

以上是生活随笔為你收集整理的Pandas常用函数大合集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。