Pandas 是我們常用的一個Python數(shù)據(jù)分析庫。其中有不少操作是我們平時很少用到的。如下：

數(shù)據(jù)源：

df

一、 獲取最大或最小值所對應對象的名稱

獲取某列的最小值：

df["數(shù)量"].min()

獲取最小值所對應的汽車品牌：

df[df["數(shù)量"] == df["數(shù)量"].min()]["品牌"].values[0]

獲取最大值同理。

????????然而，我們可以使用.idxmax() 或 idxmin() 函數(shù)來更優(yōu)雅得實現(xiàn)以上功能：

df.loc[df["數(shù)量"].idxmin()]["品牌"]

可見，所得結果一致，并且語句顯得更加簡短優(yōu)雅。

二、 數(shù)據(jù)切片

用 .cut() 函數(shù)將數(shù)據(jù)區(qū)間 [10,80] 均等地分成10份，等差為 （80 - 10） / 10 = 7.

pd.cut(df["數(shù)量"],10)

查看當前數(shù)據(jù)所屬的劃分區(qū)間：

pd.cut(df["數(shù)量"],10,labels = False)

三、 用 .nsmallest() 或 .nlargest() 獲取前幾的最小或最大值。

比如獲取數(shù)量最小的前3條記錄：

df[["國家", "品牌", "數(shù)量"]].nsmallest(3, "數(shù)量")

再跟常用的方法對比一下，如下：

df.sort_values(by = "數(shù)量",ascending = True).head(3)

注意事項：.nsmallest() 或 .nlargest() 參數(shù)里的篩選條件一定要包好在所抽取出來的DataFrame里面。

四、 數(shù)據(jù)透視表

4.1 普通的篩選求和：

df[(df["國家"] == "中國") & (df["品牌"] == "五菱")]["數(shù)量"].sum()

4.2 pivot_table

pd.pivot_table(df, values = "數(shù)量", index = "品牌", columns = "國家", aggfunc = "sum").fillna(0)

4.2 pivot_table + unstack

pd.pivot_table(df, values = "數(shù)量", index = "品牌", columns = "國家", aggfunc = "sum").fillna(0).unstack()

相關閱讀：

• 寫在1024：一名數(shù)據(jù)分析師的修煉之路
  

• 數(shù)據(jù)科學系列：sklearn庫主要模塊功能簡介
  

• 數(shù)據(jù)科學系列：seaborn入門詳細教程
  

• 數(shù)據(jù)科學系列：pandas入門詳細教程

• 數(shù)據(jù)科學系列：matplotlib入門詳細教程

• 數(shù)據(jù)科學系列：numpy入門詳細教程