【Python】推荐20个好用到爆的Pandas函数方法

今天分享几个未知的未知分享。pandas函数，你通常可能看不到很多，但使用非常方便，也可以帮助我们的数据分析师大大提高工作效率，但也希望你能在阅读后收获

• items()方法

• iterrows()方法

• insert()方法

• assign()方法

• eval()方法

• pop()方法

• truncate()方法

• count()方法

• add_prefix()方法/add_suffix()方法

• clip()方法

• filter()方法

• first()方法

• isin()方法

• df.plot.area()方法

• df.plot.bar()方法

• df.plot.box()方法

• df.plot.pie()方法

items()方法

pandas当中的items()该方法可用于遍历数据集中的每一列，并以元组的形式返回列名和每一列的内容，如下所示

df=pd.DataFrame({'species':['bear','bear','marsupial'],'population':[1864,22000,80000]},index=['panda','polar','koala'])df

output

speciespopulationpandabear1864polarbear22000koalamarsupial80000

然后我们用items()方法

forlabel,contentindf.items():print(f'label:{label}')print(f'content:{content}',sep='\n')print("="*50)

output

dtype:int64==================================================dtype:int64==================================================

相继打印species’和‘population这两列的列名和相应的内容

iterrows()方法

而对于iterrows()就方法而言，其功能是通过数据集中的每一行返回每一行索引和每一行列名的内容，如下所示

forlabel,contentindf.iterrows():print(f'label:{label}')print(f'content:{content}',sep='\n')print("="*50)

output

dtype:object==================================================dtype:object==================================================

insert()方法

insert()该方法主要用于在数据集中的特定位置插入数据，如下所示

df.insert(1,"size",[2000,3000,4000])

output

speciessizepopulationpandabear20001864polarbear300022000koalamarsupial400080000

可见在DataFrame在数据集中，列的索引也从0开始

assign()方法

assign()该方法可用于在数据集中添加新列，如下所示

df.assign(size_1=lambda x: x.population * 9 / 5 + 32)

output

species  population    size_1panda       bear        1864    3387.2polar       bear       22000   39632.0koala  marsupial       80000  144032.0

从上面的例子中可以看出，我们通过一个lambda匿名函数，在数据集当中添加一个新的列，命名为‘size_1’，当然我们也可以通过assign()方法来创建不止一个列

df.assign(size_1 = lambda x: x.population * 9 / 5 + 32,          size_2 = lambda x: x.population * 8 / 5 + 10)

output

species  population    size_1    size_2panda       bear        1864    3387.2    2992.4polar       bear       22000   39632.0   35210.0koala  marsupial       80000  144032.0  128010.0

eval()方法

eval()方法主要是用来执行用字符串来表示的运算过程的，例如

df.eval("size_3 = size_1 + size_2")

output

species  population    size_1    size_2    size_3panda       bear        1864    3387.2    2992.4    6379.6polar       bear       22000   39632.0   35210.0   74842.0koala  marsupial       80000  144032.0  128010.0  272042.0

当然我们也可以同时对执行多个运算过程

df = df.eval('''size_3 = size_1 + size_2size_4 = size_1 - size_2''')

output

species  population    size_1    size_2    size_3   size_4panda       bear        1864    3387.2    2992.4    6379.6    394.8polar       bear       22000   39632.0   35210.0   74842.0   4422.0koala  marsupial       80000  144032.0  128010.0  272042.0  16022.0

pop()方法

pop()方法主要是用来删除掉数据集中特定的某一列数据

df.pop("size_3")

output

panda      6379.6polar     74842.0koala    272042.0Name: size_3, dtype: float64

而原先的数据集当中就没有这个‘size_3’这一例的数据了

truncate()方法

truncate()方法主要是根据行索引来筛选指定行的数据的，示例如下

df = pd.DataFrame({'A': ['a', 'b', 'c', 'd', 'e'],                   'B': ['f', 'g', 'h', 'i', 'j'],                   'C': ['k', 'l', 'm', 'n', 'o']},                  index=[1, 2, 3, 4, 5])

output

A  B  C1  a  f  k2  b  g  l3  c  h  m4  d  i  n5  e  j  o

我们使用truncate()方法来做一下尝试

df.truncate(before=2, after=4)

output

A  B  C2  b  g  l3  c  h  m4  d  i  n

我们看到参数before和after存在于truncate()方法中，目的就是把行索引2之前和行索引4之后的数据排除在外，筛选出剩余的数据

count()方法

count()方法主要是用来计算某一列当中非空值的个数，示例如下

df = pd.DataFrame({"Name": ["John", "Myla", "Lewis", "John", "John"],                   "Age": [24., np.nan, 25, 33, 26],                   "Single": [True, True, np.nan, True, False]})

output

Name   Age Single0   John  24.0   True1   Myla   NaN   True2  Lewis  25.0    NaN3   John  33.0   True4   John  26.0  False

我们使用count()方法来计算一下数据集当中非空值的个数

df.count()

output

Name      5Age       4Single    4dtype: int64

add_prefix()方法/add_suffix()方法

add_prefix()方法和add_suffix()方法分别会给列名以及行索引添加后缀和前缀，对于Series()数据集而言，前缀与后缀是添加在行索引处，而对于DataFrame()数据集而言，前缀与后缀是添加在列索引处，示例如下

s = pd.Series([1, 2, 3, 4])

output

0    11    22    33    4dtype: int64

我们使用add_prefix()方法与add_suffix()方法在Series()数据集上

s.add_prefix('row_')

output

row_0    1row_1    2row_2    3row_3    4dtype: int64

又例如

s.add_suffix('_row')

output

0_row    11_row    22_row    33_row    4dtype: int64

而对于DataFrame()形式数据集而言，add_prefix()方法以及add_suffix()方法是将前缀与后缀添加在列索引处的

df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [3, 4, 5, 6]})

output

A  B0  1  31  2  42  3  53  4  6

示例如下

df.add_prefix("column_")

output

column_A  column_B0         1         31         2         42         3         53         4         6

又例如

df.add_suffix("_column")

output

A_column  B_column0         1         31         2         42         3         53         4         6

clip()方法

clip()方法主要是通过设置阈值来改变数据集当中的数值，当数值超过阈值的时候，就做出相应的调整

data = {'col_0': [9, -3, 0, -1, 5], 'col_1': [-2, -7, 6, 8, -5]}df = pd.DataFrame(data)

output

df.clip(lower = -4, upper = 4)

output

col_0  col_10      4     -21     -3     -42      0      43     -1      44      4     -4

我们看到参数lower和upper分别代表阈值的上限与下限，数据集当中超过上限与下限的值会被替代。

filter()方法

pandas当中的filter()方法是用来筛选出特定范围的数据的，示例如下

df = pd.DataFrame(np.array(([1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12])),                  index=['A', 'B', 'C', 'D'],                  columns=['one', 'two', 'three'])

output

one  two  threeA    1    2      3B    4    5      6C    7    8      9D   10   11     12

我们使用filter()方法来筛选数据

df.filter(items=['one', 'three'])

output

one  threeA    1      3B    4      6C    7      9D   10     12

我们还可以使用正则表达式来筛选数据

df.filter(regex='e$', axis=1)

output

one  threeA    1      3B    4      6C    7      9D   10     12

当然通过参数axis来调整筛选行方向或者是列方向的数据

df.filter(like='B', axis=0)

output

one  two  threeB    4    5      6

first()方法

当数据集当中的行索引是日期的时候，可以通过该方法来筛选前面几行的数据

index_1 = pd.date_range('2021-11-11', periods=5, freq='2D')ts = pd.DataFrame({'A': [1, 2, 3, 4, 5]}, index=index_1)ts

output

A2021-11-11  12021-11-13  22021-11-15  32021-11-17  42021-11-19  5

我们使用first()方法来进行一些操作，例如筛选出前面3天的数据

ts.first('3D')

output

A2021-11-11  12021-11-13  2

isin()方法

isin()方法主要是用来确认数据集当中的数值是否被包含在给定的列表当中

df = pd.DataFrame(np.array(([1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12])),                  index=['A', 'B', 'C', 'D'],                  columns=['one', 'two', 'three'])df.isin([3, 5, 12])

output

one    two  threeA  False  False   TrueB  False   True  FalseC  False  False  FalseD  False  False   True

若是数值被包含在列表当中了，也就是3、5、12当中，返回的是True，否则就返回False

df.plot.area()方法

下面我们来讲一下如何在Pandas当中通过一行代码来绘制图表，将所有的列都通过面积图的方式来绘制

df = pd.DataFrame({    'sales': [30, 20, 38, 95, 106, 65],    'signups': [7, 9, 6, 12, 18, 13],    'visits': [20, 42, 28, 62, 81, 50],}, index=pd.date_range(start='2021/01/01', end='2021/07/01', freq='M'))ax = df.plot.area(figsize = (10, 5))

output

df.plot.bar()方法

下面我们看一下如何通过一行代码来绘制柱状图

df = pd.DataFrame({'label':['A', 'B', 'C', 'D'], 'values':[10, 30, 50, 70]})ax = df.plot.bar(x='label', y='values', rot=20)

output

当然我们也可以根据不同的类别来绘制柱状图

age = [0.1, 17.5, 40, 48, 52, 69, 88]weight = [2, 8, 70, 1.5, 25, 12, 28]index = ['A', 'B', 'C', 'D', 'E', 'F', 'G']df = pd.DataFrame({'age': age, 'weight': weight}, index=index)ax = df.plot.bar(rot=0)

output

当然我们也可以横向来绘制图表

ax = df.plot.barh(rot=0)

output

df.plot.box()方法

我们来看一下箱型图的具体的绘制，通过pandas一行代码来实现

data = np.random.randn(25, 3)df = pd.DataFrame(data, columns=list('ABC'))ax = df.plot.box()

output

df.plot.pie()方法

接下来是饼图的绘制

df = pd.DataFrame({'mass': [1.33, 4.87 , 5.97],                   'radius': [2439.7, 6051.8, 6378.1]},                  index=['Mercury', 'Venus', 'Earth'])plot = df.plot.pie(y='mass', figsize=(8, 8))

output

除此之外，还有折线图、直方图、散点图等等，步骤与方式都与上述的技巧有异曲同工之妙，大家感兴趣的可以自己另外去尝试。

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑AI基础下载黄海广老师《机器学习课程》视频课黄海广老师《机器学习课程》711页完整版课件

本站qq群554839127，加入微信群请扫码：