想成为高效数据科学家?不会Pandas怎么行
选自
towardsdatascience
作者:
Félix Revert
机器之心编译
参与:
Nurhachu Null、张倩
Pandas 是为了解决数据分析任务而创建的一种基于 NumPy 的工具包,囊括了许多其他工具包的功能,具有易用、直观、快速等优点。要想成为一名高效的数据科学家,不会 Pandas 怎么行?
Python 是开源的,它很棒,但是也无法避免开源的一些固有问题:很多包都在做(或者在尝试做)同样的事情。如果你是 Python 新手,那么你很难知道某个特定任务的最佳包是哪个,你需要有经验的人告诉你。有一个用于数据科学的包绝对是必需的,它就是 pandas。
pandas 最有趣的地方在于里面隐藏了很多包。它是一个核心包,里面有很多其他包的功能。这点很棒,因为你只需要使用 pandas 就可以完成工作。
pandas 相当于 python 中 excel:它使用表(也就是 dataframe),能在数据上做各种变换,但还有其他很多功能。
如果你早已熟知 python 的使用,可以直接跳到第三段。
让我们开始吧:
import as
别问为什么是“pd”而不是“p”,就是这样。用就行了:)
pandas 最基本的功能
读取数据
"my_file.csv" "my_file.csv" ";" "latin-1" 1000 2 5data = pd.read_csv(
data = pd.read_csv(
sep 代表的是分隔符。如果你在使用法语数据,excel 中 csv 分隔符是“;”,因此你需要显式地指定它。编码设置为"latin-1"来读取法语字元。nrows=1000 表示读取前 1000 行数据。skiprows=[2,5] 表示你在读取文件的时候会移除第 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
写数据
"my_new_file.csv" Nonedata.to_csv(
index=None 表示将会以数据本来的样子写入。如果没有写 index=None,你会多出一个第一列,内容是 1,2,3,...,一直到最后一行。
我通常不会去使用其他的函数,像.to_excel, .to_json, .to_pickle 等等,因为.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。
检查数据
#rows, #columns)Gives (
给出行数和列数
data.describe()
计算基本的统计数据
查看数据
3data.head(
打印出数据的前 3 行。与之类似,.tail() 对应的是数据的最后一行。
8data.loc[
打印出第八行
8 "column_1"data.loc[
打印第八行名为“column_1”的列
4 6data.loc[range(
第四到第六行(左闭右开)的数据子集
pandas 的基本函数
逻辑运算
"column_1" "french" ] "column_1" "french" "year_born" 1990 "column_1" "french" "year_born" 1990 "city" "London" )]data[data[
data[(data[
data[(data[
通过逻辑运算来取数据子集。要使用 & (AND)、 ~ (NOT) 和 | (OR),必须在逻辑运算前后加上“and”。
"column_1" "french" "english"data[data[
除了可以在同一列使用多个 OR,你还可以使用.isin() 函数。
基本绘图
matplotlib 包使得这项功能成为可能。正如我们在介绍中所说,它可以直接在 pandas 中使用。
"column_numerical"data[
().plot() 输出的示例
"column_numerical"data[
画出数据分布(直方图)
.hist() 输出的示例
%matplotlib inline
如果你在使用 Jupyter,不要忘记在画图之前加上以上代码。
更新数据
8 "column_1" "english"data.loc[
将第八行名为 column_1 的列替换为“english”
"column_1" "french" "column_1" "French"data.loc[data[
在一行代码中改变多列的值
好了,现在你可以做一些在 excel 中可以轻松访问的事情了。下面让我们深入研究 excel 中无法实现的一些令人惊奇的操作吧。
中级函数
统计出现的次数
"column_1"data[
.value_counts() 函数输出示例
在所有的行、列或者全数据上进行操作
"column_1"data[
len() 函数被应用在了“column_1”列中的每一个元素上
.map() 运算给一列中的每一个元素应用一个函数
"column_1" lambda 100data[
pandas 的一个很好的功能就是链式方法
(https://tomaugspurger.github.io/method-chaining)。它可以帮助你在一行中更加简单、高效地执行多个操作(.map() 和.plot())。
data.apply(sum)
.apply() 会给一个列应用一个函数。
.applymap() 会给表 (DataFrame) 中的所有单元应用一个函数。
tqdm, 唯一的
在处理大规模数据集时,pandas 会花费一些时间来进行.map()、.apply()、.applymap() 等操作。tqdm 是一个可以用来帮助预测这些操作的执行何时完成的包(是的,我说谎了,我之前说我们只会使用到 pandas)。
from import
tqdm_notebook().pandas()
用 pandas 设置 tqdm
"column_1" lambda "e"data[
用 .progress_map() 代替.map()、.apply() 和.applymap() 也是类似的。
在 Jupyter 中使用 tqdm 和 pandas 得到的进度条
相关性和散射矩阵
lambda 100 100data.corr()
data.corr().applymap(
.corr() 会给出相关性矩阵
12 8pd.plotting.scatter_matrix(data, figsize=(
散点矩阵的例子。它在同一幅图中画出了两列的所有组合。
pandas 中的高级操作
The SQL 关联
在 pandas 中实现关联是非常非常简单的
"column_1" "column_2" "column_3"data.merge(other_data, on=[
关联三列只需要一行代码
分组
一开始并不是那么简单,你首先需要掌握语法,然后你会发现你一直在使用这个功能。
"column_1" "column_2"data.groupby(
按一个列分组,选择另一个列来执行一个函数。.reset_index() 会将数据重构成一个表。
正如前面解释过的,为了优化代码,在一行中将你的函数连接起来。
行迭代
dictionary = {}
for
i,rowin
data.iterrows():dictionary[row[
"column_1"
]] = row["column_2"
].iterrows() 使用两个变数一起循环:行索引和行的数据 (上面的 i 和 row)
总而言之,pandas 是 python 成为出色的编程语言的原因之一
我本可以展示更多有趣的 pandas 功能,但是已经写出来的这些足以让人理解为何数据科学家离不开 pandas。总结一下,pandas 有以下优点:
易用,将所有复杂、抽象的计算都隐藏在背后了;
直观;
快速,即使不是最快的也是非常快的。
它有助于数据科学家快速读取和理解数据,提高其工作效率。
原文链接:https://towardsdatascience.com/be-a-more-efficient-data-scientist-today-master-pandas-with-this-guide-ea362d27386
本文为机器之心编译,
转载请联系本公众号获得授权
。?------------------------------------------------
加入机器之心(全职记者 / 实习生):hr@jiqizhixin.com
投稿或寻求报道:
content
@jiqizhixin.com广告 & 商务合作:bd@jiqizhixin.com
相关文章
- 中国移动联通电信停止支持eSIM服务 运营商esim一号双终端最新进展消息! 还会恢复吗?
- 华为新手机最新款2023即将新发布上市5G公认最好的折叠手机价格参数
- 抖音里的商城购物车怎么突然没有了?
- 苹果iPhone总销量公布:共卖出15亿台,卖得最好是哪一款?
- 华为首款5G折叠屏手机什么时候发布的 5G折叠屏手机详细配置参数处理器一览 手机笔记本双形态!
- 三星S10什么时候正式发布价格是多少钱?S10配置参数处理器屏幕外观详细分享 挖孔屏+顶尖屏幕,价格大部分人无法接受!
- 华为5G折叠屏手机什么时候在巴展发布价格是多少钱?5G折叠屏手机配置参数处理器详细分享
- 小米9和小米6很像,米9和米6的设计师是同一个人吗?似乎对米9的颜值多了一丝期待
- 2022年新低价荣耀Magic2乞丐版值得买入手吗?配置参数处理器怎么样
- 神舟RTX2060新品会在开学换新季迎来史上最低价吗?神舟RTX2060冰点价攻略