高效的10個Pandas函式，你都用過了嗎？

Pandas是python中最主要的資料分析庫之一，它提供了非常多的函式、方法，可以高效地處理並分析資料。讓pandas如此受歡迎的原因是它簡潔、靈活、功能強大的語法。

這篇文章將會配合例項，講解20個重要的pandas函式。其中有一些很常用，相信你可能用到過。還有一些函數出現的頻率沒那麼高，但它們同樣是分析資料的得力幫手。

介紹這些函式之前，第一步先要匯入pandas和numpy。

import numpy as npimport pandas as pd

1. Query

Query是pandas的過濾查詢函式，使用布林表示式來查詢DataFrame的列，就是說按照列的規則進行過濾操作。

用法：

pandas.DataFrame.query(self, expr, inplace = False, **kwargs)

引數作用：

expr：要評估的查詢字串；

inplace=False：查詢是應該修改資料還是返回修改後的副本

kwargs：dict關鍵字引數

首先生成一段df：

values_1 = np.random.randint(10, size=10)values_2 = np.random.randint(10, size=10)years = np.arange(2010,2020)groups = ['A','A','B','A','B','B','C','A','C','C']df = pd.DataFrame({'group':groups, 'year':years, 'value_1':values_1, 'value_2':values_2})df

過濾查詢用起來比較簡單，比如要查列value_1

df.query('value_1 < value_2')

查詢列year>=2016的行記錄：

df.query('year >= 2016 ')

2. Insert

Insert用於在DataFrame的指定位置中插入新的資料列。預設情況下新列是新增到末尾的，但可以更改位置引數，將新列新增到任何位置。

用法：

Dataframe.insert(loc, column, value, allow_duplicates=False)

引數作用：

loc: int型，表示插入位置在第幾列；若在第一列插入資料，則 loc=0

column: 給插入的列取名，如 column='新的一列'

value：新列的值，數字、array、series等都可以

allow_duplicates: 是否允許列名重複，選擇Ture表示允許新的列名與已存在的列名重複

接著用前面的df：

在第三列的位置插入新列：

#新列的值new_col = np.random.randn(10)#在第三列位置插入新列，從0開始計算df.insert(2, 'new_col', new_col)df

3. Cumsum

Cumsum是pandas的累加函式，用來求列的累加值。
用法：

DataFrame.cumsum(axis=None, skipna=True, args, kwargs)

引數作用：

axis：index或者軸的名字

skipna：排除NA/null值

以前面的df為例，group列有A、B、C三組，year列有多個年份。我們只知道當年度的值value_1、value_2，現在求group分組下的累計值，比如A、2014之前的累計值，可以用cumsum函式來實現。

當然僅用cumsum函式沒辦法對groups (A, B, C)進行區分，所以需要結合分組函式groupby分別對(A, B, C)進行值的累加。

df['cumsum_2'] = df[['value_2','group']].groupby('group').cumsum()df

4. Sample

Sample用於從DataFrame中隨機選取若干個行或列。
用法：

DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)

引數作用：

n：要抽取的行數

frac：抽取行的比例
例如frac=0.8，就是抽取其中80%

replace：是否為有放回抽樣，
True:有放回抽樣
False:未放回抽樣

weights：字元索引或機率陣列

random_state ：隨機數發生器種子

axis：選擇抽取資料的行還是列
axis=0:抽取行
axis=1:抽取列

比如要從df中隨機抽取5行：

sample1 = df.sample(n=5)sample1

從df隨機抽取60%的行，並且設定隨機數種子，每次能抽取到一樣的樣本：

sample2 = df.sample(frac=0.6,random_state=2)sample2

5. Where

Where用來根據條件替換行或列中的值。如果滿足條件，保持原來的值，不滿足條件則替換為其他值。預設替換為NaN，也可以指定特殊值。

用法：

DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, errors='raise', try_cast=False, raise_on_error=None)

引數作用：

cond：布林條件，如果 cond 為真，保持原來的值，否則替換為other

other：替換的特殊值

inplace：inplace為真則在原資料上操作，為False則在原資料的copy上操作

axis：行或列

將df中列value_1裡小於5的值替換為0：

df['value_1'].where(df['value_1'] > 5 , 0)

Where是一種掩碼操作。

掩碼（英語：Mask）在計算機學科及數字邏輯中指的是一串二進位制數字，透過與目標數字的按位操作，達到遮蔽指定位而實現需求。

6. Isin

Isin也是一種過濾方法，用於檢視某列中是否包含某個字串，返回值為布林Series，來表明每一行的情況。

用法：

Series.isin(values)或者DataFrame.isin(values)

篩選df中year列值在['2010','2014','2017']裡的行：

years = ['2010','2014','2017']df[df.year.isin(years)]

7. Loc and iloc

Loc和iloc通常被用來選擇行和列，它們的功能相似，但用法是有區別的。

用法：

DataFrame.loc[]或者DataFrame.iloc[]

loc：按標籤（column和index）選擇行和列

iloc：按索引位置選擇行和列

選擇df第1~3行、第1~2列的資料，使用iloc：

df.iloc[:3,:2]

使用loc：

df.loc[:2,['group','year']]1

提示：使用loc時，索引是指index值，包括上邊界。iloc索引是指行的位置，不包括上邊界。

選擇第1、3、5行，year和value_1列：

df.loc[[1,3,5],['year','value_1']]

8. Pct_change

Pct_change是一個統計函式，用於表示當前元素與前面元素的相差百分比，兩元素的區間可以調整。

比如說給定三個元素[2,3,6]，計算相差百分比後得到[NaN, 0.5, 1.0]，從第一個元素到第二個元素增加50％，從第二個元素到第三個元素增加100％。

用法：

DataFrame.pct_change(periods=1, fill_method=‘pad’, limit=None, freq=None, **kwargs)

引數作用：

periods：間隔區間，即步長

fill_method：處理空值的方法

對df的value_1列進行增長率的計算：

df.value_1.pct_change()

9. Rank

Rank是一個排名函式，按照規則（從大到小，從小到大）給原序列的值進行排名，返回的是排名後的名次。

比如有一個序列[1,7,5,3]，使用rank從小到大排名後，返回[1,4,3,2]，這就是前面那個序列每個值的排名位置。

用法：

rank(axis=0, method: str = 'average', numeric_only: Union[bool, NoneType] = None, na_option: str = 'keep', ascending: bool = True, pct: bool = False)

引數作用：

axis：行或者列

method：返回名次的方式，可選{‘average’, ‘min’, ‘max’, ‘first’, ‘dense’}
method=average 預設設定: 相同的值佔據前兩名，分不出誰是1誰是2，那麼去中值即1.5，下面一名為第三名
method=max: 兩人並列第 2 名，下一個人是第 3 名
method=min: 兩人並列第 1 名，下一個人是第 3 名
method=dense: 兩人並列第1名，下一個人是第 2 名
method=first: 相同值會按照其在序列中的相對位置定值

ascending：正序和倒序

對df中列value_1進行排名：

df['rank_1'] = df['value_1'].rank()df

10. Melt

Melt用於將寬表變成窄表，是 pivot透視逆轉操作函式，將列名轉換為列資料(columns name → column values)，重構DataFrame。

簡單說就是將指定的列放到鋪開放到行上變成兩列，類別是variable(可指定)列，值是value(可指定)列。

用法：

pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)

引數作用：

frame：它是指DataFrame

id_vars [元組, 列表或ndarray, 可選]：不需要被轉換的列名，引用用作識別符號變數的列

value_vars [元組, 列表或ndarray, 可選]：引用要取消透視的列。如果未指定, 請使用未設定為id_vars的所有列

var_name [scalar]：指代用於”變數”列的名稱。如果為None, 則使用- - frame.columns.name或’variable’

value_name [標量, 預設為’value’]：是指用於” value”列的名稱

col_level [int或string, 可選]：如果列為MultiIndex, 它將使用此級別來融化

例如有一串資料，表示不同城市和每天的人口流動：

import pandas as pddf1 = pd.DataFrame({'city': {0: 'a', 1: 'b', 2: 'c'}, 'day1': {0: 1, 1: 3, 2: 5}, 'day2': {0: 2, 1: 4, 2: 6}})df1

現在將day1、day2列變成變數列，再加一個值列：

pd.melt(df1, id_vars=['city'])

【來源：花仙子說寵物】

宣告：轉載此文是出於傳遞更多資訊之目的。若有來源標註錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯絡，我們將及時更正、刪除，謝謝。 郵箱地址：newmedia@xxcb.cn