Sidetable：一種高效的 Python 數(shù)據(jù)框處理工具！

我們知道 Pandas 是數(shù)據(jù)科學社區(qū)中最流行的 Python 包，它包含許多函數(shù)和方法來分析和處理數(shù)據(jù)。盡管它的功能對于數(shù)據(jù)分析來說足夠有效，但定制的庫可以為 Pandas 帶來更多的價值。

Sidetable 就是一個開源 Python 庫，它是一種可用于數(shù)據(jù)分析和探索的工具，作為 value_counts 和 crosstab 的功能組合使用的。在本文中，我們將更多地討論和探索其功能。歡迎小伙伴們收藏學習、點贊支持。

安裝

可以使用從 PyPI 安裝 Sidetable

pip?install?sidetable

用法

我們將使用從 Kaggle 下載的 Titanic 數(shù)據(jù)集來實現(xiàn)該庫。

sidetable 的思想是減少數(shù)據(jù)分析所需的代碼行數(shù)并加快工作流程。對于任何數(shù)據(jù)集，都需要執(zhí)行一些數(shù)據(jù)分析任務，包括可視化特征分布、頻率計數(shù)、缺失記錄計數(shù)。

我們將使用 Titanic 數(shù)據(jù)集詳細討論 Sidetable 庫的特性。

1、freq()

Pandas 提供了 value_counts() 函數(shù)，用于計算特征的頻率計數(shù)。Pandas 可以計算分布計數(shù)和概率分布，但你可能希望更容易組合這些值。

分布計數(shù)和概率分布可以結合使用，但需要大量的輸入和代碼記憶。

對于 sidetable，使用 freq() 函數(shù)在一行Python代碼中實現(xiàn)它更簡單。你可以獲得累計總數(shù)、百分比和更大的靈活性。除此之外，還可以對多個列進行分組，以可視化已分組要素的分布。你還可以使用參數(shù) value 指定要素列，以指示分組的數(shù)據(jù)“sum”應基于特定列。

2、Counts

sidetable 中的 counts() 函數(shù)可以生成一個匯總表，該匯總表可用于確定你需要考慮為分類或數(shù)值的特征，以便進一步分析和建模。counts() 函數(shù)顯示特征的唯一值的數(shù)量以及最頻繁和最不頻繁的值。

可以使用 exclude 和 include 參數(shù)從數(shù)據(jù)集中排除或包含特定數(shù)據(jù)類型。

3、missing()

sidetable 中 missing()函數(shù)生成一個匯總表，該匯總表按每列的總缺失值的計數(shù)和百分比顯示缺失記錄。

4、subtotal()

Sidetable 中 subtotal() 函數(shù)最適合與 Pandas 中的 group by 函數(shù)一起使用。它可用于計算數(shù)據(jù)幀分組的一個或多個級別的小計。

subtotal()函數(shù)可以將其添加到分組數(shù)據(jù)的一個或多個級別。你需要首先使用groupby()函數(shù)對數(shù)據(jù)框進行分組，然后在每個級別添加一個小計。

結論

Sidetable 是一種高效且方便的工具，它結合了 Pandas 的 value_counts 和 crosstab，生成一個可解釋且易于理解的匯總表，還可用于提供分析結果。語法的簡單性使其成為用于數(shù)據(jù)分析和探索的更好的庫。