热线电话:13121318867

登录
首页大数据时代秒懂!图解四个实用的pandas函数!
秒懂!图解四个实用的pandas函数!
2020-10-28
收藏

作者:Baijayanta Roy

来源:towardsdatascience

编译&内容补充:早起Python

在用python进行机器学习或者日常的数据处理中,pandas是最常用的Python库之一,熟练掌握pandas是每一个数据科学家的必备技能,本文将用代码+图片详解Pandas中的四个实用函数!

shift()

假设我们有一组股票数据,需要对所有的行进行移动,或者获得前一天的股价,又或是计算最近三天的平均股价。

面对这样的需求我们可以选择自己写一个函数完成,但是使用pandas中的shift()可能是最好的选择,它可以将数据按照指定方式进行移动!

下面我们用代码进行演示,首先导入相关库并创建示例DataFrame

import pandas as pd
import numpy as np
df = pd.DataFrame({'DATE': [1, 2, 3, 4, 5],
                   'VOLUME': [100, 200, 300,400,500],
                   'PRICE': [214, 234, 253,272,291]})

现在,当我们执行df.shift(1,fill_value=0)即可将数据往下移动一行,并用0填充空值

现在,如果我们需要将前一天的股价作为新的列,则可以使用下面的代码

我们可以如下轻松地计算最近三天的平均股价,并创建一个新的列

向前移动数据也是很轻松的,使用-1即可

更多有关shift函数可以查阅官方文档,总之在涉及到数据移动时,你需要想到shift!

value_counts()

pandas中的value_counts()用于统计dataframe或series中不同数或字符串出现的次数,并可以通过降序或升序对结果对象进行排序,下图可以方便理解。

现在让我们用代码示例,首先是Index对象

下面是Series对象

同时可以对bin参数将结果划分为区间

更多的细节与参数设置,可以阅读pandas官方文档。

mask()

pandas中的mask方法比较冷门,和np.where比较类似,将对cond条件进行判断,如果cond为False,请保留原始值。如果为True,则用other中的相应值替换。

现在我们看下面的DataFrame,在这里我们要更改所有可以被二整除的元素的符号,就可以使用mask

下面是代码实现过程

nlargest() 

在很多情况下,我们会遇到需要查找SeriesDataFrame的前3名或后5名值的情况,例如,总得分最高的3名学生,或选举中获得的总票数的3名最低候选人

pandas中的nlargest()和nsmallest()是满足此类数据处理要求的最佳答案,下面就是从10个观测值中取最大的三个图解

下面是代码实现过程

但如果有相等的情况出现,那么可以使用first,last,all来进行保留

了解了nlargest()的使用方法后,nsmallest()就显得十分简单,本文就不再赘述,如果还有疑问可以查阅官方文档!


——热门课程推荐:

想从事务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;

想从事数据分析师,您可以点击>>>“大数据就业”了解课程详情;

想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;

想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;

想咨询互联网运营,你可以点击>>>互联网运营就业班”了解课程详情;

想了解更多优质课程,请点击>>>

数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询