高效的5個(gè)pandas函數(shù)，你都用過嗎？

?

文章來源：towardsdatascience
作者：Soner Y?ld?r?m

?

看標(biāo)題是否似曾相似？之前為大家介紹過10個(gè)高效的pandas函數(shù)，頗受歡迎，里面的每一個(gè)函數(shù)都能幫我們在數(shù)據(jù)分析過程中節(jié)省時(shí)間。

高效的10個(gè)Pandas函數(shù)，你都用過嗎？

pandas還有很多讓人舒適的用法，這次再為大家介紹5個(gè)pandas函數(shù)，作為這個(gè)系列的第二篇。

1. explode

explode用于將一行數(shù)據(jù)展開成多行。比如說dataframe中某一行其中一個(gè)元素包含多個(gè)同類型的數(shù)據(jù)，若想要展開成多行進(jìn)行分析，這時(shí)候explode就派上用場，而且只需一行代碼，非常節(jié)省時(shí)間。

用法：

DataFrame.explode(self,?column:?Union[str,?Tuple])

參數(shù)作用：

• column ：str或tuple

以下表中第三行、第二列為例，展開[2,3,8]：

#?先創(chuàng)建表
id?=?['a','b','c']
measurement?=?[4,6,[2,3,8]]
day?=?[1,1,1]
df1?=?pd.DataFrame({'id':id,?'measurement':measurement,?'day':day})
df1

使用explode輕松將[2,3,8]轉(zhuǎn)換成多行，且行內(nèi)其他元素保持不變。

df1.explode('measurement').reset_index(drop=True)

2. Nunique

Nunique用于計(jì)算行或列上唯一值的數(shù)量，即去重后計(jì)數(shù)。這個(gè)函數(shù)在分類問題中非常實(shí)用，當(dāng)不知道某字段中有多少類元素時(shí)，Nunique能快速生成結(jié)果。

用法：

Series.nunique(dropna=True)
#?或者
DataFrame.nunique(axis=0,?dropna=True)

參數(shù)作用：

• axis：int型，0代表行，1代表列，默認(rèn)0；
• dropna：bool類型，默認(rèn)為True，計(jì)數(shù)中不包括NaN；

先創(chuàng)建一個(gè)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

對year列進(jìn)行唯一值計(jì)數(shù)：

df.year.nunique()

輸出：10 對整個(gè)dataframe的每一個(gè)字段進(jìn)行唯一值計(jì)數(shù)：

df.nunique()

3. infer_objects

infer_objects用于將object類型列推斷為更合適的數(shù)據(jù)類型。

用法：

#?直接將df或者series推斷為合適的數(shù)據(jù)類型
DataFrame.infer_objects()

pandas支持多種數(shù)據(jù)類型，其中之一是object類型。object類型包括字符串和混合值（數(shù)字及非數(shù)字）。

object類型比較寬泛，如果可以確定為具體數(shù)據(jù)類型，則不建議用object。

df?=?pd.DataFrame({"A":?["a",?1,?2,?3]})
df?=?df.iloc[1:]
df

df.dtypes

使用infer_objects方法將object推斷為int類型：

df.infer_objects().dtypes

4. memory_usage

memory_usage用于計(jì)算dataframe每一列的字節(jié)存儲大小，這對于大數(shù)據(jù)表非常有用。

用法：

DataFrame.memory_usage(index=True,?deep=False)

參數(shù)解釋：
index：指定是否返回df中索引字節(jié)大小，默認(rèn)為True，返回的第一行即是索引的內(nèi)存使用情況；
deep：如果為True，則通過查詢object類型進(jìn)行系統(tǒng)級內(nèi)存消耗來深入地檢查數(shù)據(jù)，并將其包括在返回值中。

首先創(chuàng)建一個(gè)df，共2列，1000000行。

df_large?=?pd.DataFrame({'A':?np.random.randn(1000000),
????????????????????'B':?np.random.randint(100,?size=1000000)})
df_large.shape

返回每一列的占用字節(jié)大小：

df_large.memory_usage()

第一行是索引index的內(nèi)存情況，其余是各列的內(nèi)存情況。

5. replace

顧名思義，replace是用來替換df中的值，賦以新的值。

用法：

DataFrame.replace(to_replace=None,?value=None,?inplace=False,?limit=None,?regex=False,?method='pad')

參數(shù)解釋：

• to_replace：被替換的值
• value：替換后的值
• inplace：是否要改變原數(shù)據(jù)，F(xiàn)alse是不改變，True是改變，默認(rèn)是False
• limit：控制填充次數(shù)
• regex：是否使用正則,False是不使用，True是使用，默認(rèn)是False
• method：填充方式，pad,ffill,bfill分別是向前、向前、向后填充

創(chuàng)建一個(gè)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

將A全部替換為D：

df.replace('A','D')

將B替換為E，C替換為F：

df.replace({'B':'E','C':'F'})