12种NumpyPandas高效技巧
文 | Kunal Dhariwal
本文分享給大家?12 種 Numpy 和 Pandas 函數，這些高效的函數會令數據分析更為容易、便捷。最后，讀者也可以在 GitHub 項目中找到本文所用代碼的 Jupyter Notebook。
項目地址：
https://github.com/kunaldhariwal/12-Amazing-Pandas-NumPy-Functions
Numpy 的 6 種高效函數
首先從 Numpy 開始。Numpy 是用于科學計算的 Python 語言擴展包，通常包含強大的 N 維數組對象、復雜函數、用于整合 C/C++和 Fortran 代碼的工具以及有用的線性代數、傅里葉變換和隨機數生成能力。
除了上面這些明顯的用途，Numpy 還可以用作通用數據的高效多維容器（container），定義任何數據類型。這使得 Numpy 能夠實現自身與各種數據庫的無縫、快速集成。
接下來一一解析 6 種 Numpy 函數。
argpartition()
借助于 argpartition()，Numpy 可以找出 N 個最大數值的索引，也會將找到的這些索引輸出。然后我們根據需要對數值進行排序。
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() 用于匹配兩個數組，并得到布爾值表示的輸出。如果在一個公差范圍內（within a tolerance）兩個數組不等同，則 allclose() 返回 False。該函數對于檢查兩個數組是否相似非常有用。
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) Trueclip()
Clip() 使得一個數組中的數值保持在一個區間內。有時，我們需要保證數值在上下限范圍內。為此，我們可以借助 Numpy 的 clip() 函數實現該目的。給定一個區間，則區間外的數值被剪切至區間上下限（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()
顧名思義，extract() 是在特定條件下從一個數組中提取特定元素。借助于 extract()，我們還可以使用 and 和 or 等條件。
#?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() 用于從一個數組中返回滿足特定條件的元素。比如，它會返回滿足特定條件的數值的索引位置。Where() 與 SQL 中使用的 where condition 類似，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=?<U4?)percentile()
Percentile() 用于計算特定軸方向上數組元素的第 n 個百分位數。
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]這就是 Numpy 擴展包的 6 種高效函數，相信會為你帶來幫助。接下來看一看 Pandas 數據分析庫的 6 種函數。
Pandas 數據統計包的 6 種高效函數
Pandas 也是一個 Python 包，它提供了快速、靈活以及具有顯著表達能力的數據結構，旨在使處理結構化 (表格化、多維、異構) 和時間序列數據變得既簡單又直觀。
Pandas 適用于以下各類數據:
具有異構類型列的表格數據，如 SQL 表或 Excel 表；
有序和無序 (不一定是固定頻率) 的時間序列數據；
帶有行/列標簽的任意矩陣數據（同構類型或者是異構類型）；
其他任意形式的統計數據集。事實上，數據根本不需要標記就可以放入 Pandas 結構中。
Pandas 擅長處理的類型如下所示：
容易處理浮點數據和非浮點數據中的 缺失數據（用 NaN 表示）；
大小可調整性: 可以從 DataFrame 或者更高維度的對象中插入或者是刪除列；
顯式數據可自動對齊: 對象可以顯式地對齊至一組標簽內，或者用戶可以簡單地選擇忽略標簽，使 Series、 DataFrame 等自動對齊數據；
靈活的分組功能，對數據集執行拆分-應用-合并等操作，對數據進行聚合和轉換；
簡化將數據轉換為 DataFrame 對象的過程，而這些數據基本是 Python 和 NumPy 數據結構中不規則、不同索引的數據；
基于標簽的智能切片、索引以及面向大型數據集的子設定；
更加直觀地合并以及連接數據集；
更加靈活地重塑、轉置（pivot）數據集；
軸的分級標記 (可能包含多個標記)；
具有魯棒性的 IO 工具，用于從平面文件 (CSV 和 delimited)、 Excel 文件、數據庫中加在數據，以及從 HDF5 格式中保存 / 加載數據；
時間序列的特定功能: 數據范圍的生成以及頻率轉換、移動窗口統計、數據移動和滯后等。
read_csv(nrows=n)
大多數人都會犯的一個錯誤是，在不需要.csv 文件的情況下仍會完整地讀取它。如果一個未知的.csv 文件有 10GB，那么讀取整個.csv 文件將會非常不明智，不僅要占用大量內存，還會花很多時間。我們需要做的只是從.csv 文件中導入幾行，之后根據需要繼續導入。
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( ) 函數根據相應的輸入來映射 Series 的值。用于將一個 Series 中的每個值替換為另一個值，該值可能來自一個函數、也可能來自于一個 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() 允許用戶傳遞函數，并將其應用于 Pandas 序列中的每個值。
#?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 () 用于過濾數據幀。Isin () 有助于選擇特定列中具有特定（或多個）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 () 函數用于復制 Pandas 對象。當一個數據幀分配給另一個數據幀時，如果對其中一個數據幀進行更改，另一個數據幀的值也將發生更改。為了防止這類問題，可以使用 copy () 函數。
#?creating?sample?series? data?=?pd.Series([?India?,??Pakistan?,??China?,??Mongolia?]) #?Assigning?issue?that?we?face data1=?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 的列返回數據幀列的一個子集。這個函數的參數可設置為包含所有擁有特定數據類型的列，亦或者設置為排除具有特定數據類型的列。
#?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 中一個非常有用的函數。如果對 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原文鏈接：
https://towardsdatascience.com/12-amazing-pandas-numpy-functions-22e5671a45b8
后臺回復關鍵詞【入群】
加入賣萌屋NLP/IR/Rec與求職討論群
后臺回復關鍵詞【頂會】
獲取ACL、CIKM等各大頂會論文集！
總結
以上是生活随笔為你收集整理的12种NumpyPandas高效技巧的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 稀疏大模型简述：从MoE、Sparse
- 下一篇： Transformer太大了，我要把它微