有哪些Pandas函数方法在数据分析中特别实用且效果显著？

今天分享几个不为人知的pandas函数，大家可能平时看到的不多，但是使用起来倒是非常的方便，也能够帮助我们数据分析人员大幅度地提高工作效率，同时也希望大家看完之后能够有所收获

• items()方法
• iterrows()方法
• insert()方法
• assign()方法
• eval()方法
• pop()方法
• truncate()方法
• count()方法
• add_prefix()方法/add_suffix()方法
• clip()方法
• filter()方法
• first()方法
• isin()方法
• df.plot.area()方法
• df.plot.bar()方法
• df.plot.box()方法
• df.plot.pie()方法

df = pd.DataFrame({'species': ['bear', 'bear', 'marsupial'], 'population': [1864, 22000, 80000]}, index=['panda', 'polar', 'koala']) df

output

species population panda bear 1864 polar bear 22000 koala marsupial 80000

然后我们使用items()方法

for label, content in df.items(): print(f'label: {label}') print(f'content: {content}', sep='\n') print("=" * 50)

output

label: species content: panda bear polar bear koala marsupial Name: species, dtype: object ================================================== label: population content: panda 1864 polar 22000 koala 80000 Name: population, dtype: int64 ==================================================

相继的打印出了‘species’和‘population’这两列的列名和相应的内容

for label, content in df.iterrows(): print(f'label: {label}') print(f'content: {content}', sep='\n') print("=" * 50)

output

label: panda content: species bear population 1864 Name: panda, dtype: object ================================================== label: polar content: species bear population 22000 Name: polar, dtype: object ================================================== label: koala content: species marsupial population 80000 Name: koala, dtype: object ==================================================insert()方法

insert()方法主要是用于在数据集当中的特定位置处插入数据，示例如下

df.insert(1, "size", [2000, 3000, 4000])

output

species size population panda bear 2000 1864 polar bear 3000 22000 koala marsupial 4000 80000

可见在DataFrame数据集当中，列的索引也是从0开始的

assign()方法可以用来在数据集当中添加新的列，示例如下

df.assign(size_1=lambda x: x.population * 9 / 5 + 32)

output

species population size_1 panda bear 1864 3387.2 polar bear 22000 39632.0 koala marsupial 80000 144032.0

df.assign(size_1 = lambda x: x.population * 9 / 5 + 32, size_2 = lambda x: x.population * 8 / 5 + 10)

output

species population size_1 size_2 panda bear 1864 3387.2 2992.4 polar bear 22000 39632.0 35210.0 koala marsupial 80000 144032.0 128010.0eval()方法

eval()方法主要是用来执行用字符串来表示的运算过程的，例如

df.eval("size_3 = size_1 + size_2")

output

species population size_1 size_2 size_3 panda bear 1864 3387.2 2992.4 6379.6 polar bear 22000 39632.0 35210.0 74842.0 koala marsupial 80000 144032.0 128010.0 272042.0

当然我们也可以同时对执行多个运算过程

df = df.eval(''' size_3 = size_1 + size_2 size_4 = size_1 - size_2 ''')

output

species population size_1 size_2 size_3 size_4 panda bear 1864 3387.2 2992.4 6379.6 394.8 polar bear 22000 39632.0 35210.0 74842.0 4422.0 koala marsupial 80000 144032.0 128010.0 272042.0 16022.0pop()方法

pop()方法主要是用来删除掉数据集中特定的某一列数据

df.pop("size_3")

output

panda 6379.6 polar 74842.0 koala 272042.0 Name: size_3, dtype: float64

而原先的数据集当中就没有这个‘size_3’这一例的数据了

truncate()方法主要是根据行索引来筛选指定行的数据的，示例如下

df = pd.DataFrame({'A': ['a', 'b', 'c', 'd', 'e'], 'B': ['f', 'g', 'h', 'i', 'j'], 'C': ['k', 'l', 'm', 'n', 'o']}, index=[1, 2, 3, 4, 5])

output

A B C 1 a f k 2 b g l 3 c h m 4 d i n 5 e j o

我们使用truncate()方法来做一下尝试

df.truncate(before=2, after=4)

output

A B C 2 b g l 3 c h m 4 d i n

count()方法主要是用来计算某一列当中非空值的个数，示例如下

df = pd.DataFrame({"Name": ["John", "Myla", "Lewis", "John", "John"], "Age": [24., np.nan, 25, 33, 26], "Single": [True, True, np.nan, True, False]})

output

Name Age Single 0 John 24.0 True 1 Myla NaN True 2 Lewis 25.0 NaN 3 John 33.0 True 4 John 26.0 False

我们使用count()方法来计算一下数据集当中非空值的个数

df.count()

output

Name 5 Age 4 Single 4 dtype: int64add_prefix()方法/add_suffix()方法

s = pd.Series([1, 2, 3, 4])

output

0 1 1 2 2 3 3 4 dtype: int64

我们使用add_prefix()方法与add_suffix()方法在Series()数据集上

s.add_prefix('row_')

output

row_0 1 row_1 2 row_2 3 row_3 4 dtype: int64

又例如

s.add_suffix('_row')

output

0_row 1 1_row 2 2_row 3 3_row 4 dtype: int64

df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [3, 4, 5, 6]})

output

A B 0 1 3 1 2 4 2 3 5 3 4 6

示例如下

df.add_prefix("column_")

output

column_A column_B 0 1 3 1 2 4 2 3 5 3 4 6

又例如

df.add_suffix("_column")

output

A_column B_column 0 1 3 1 2 4 2 3 5 3 4 6clip()方法

data = {'col_0': [9, -3, 0, -1, 5], 'col_1': [-2, -7, 6, 8, -5]} df = pd.DataFrame(data)

output

df.clip(lower = -4, upper = 4)

output

col_0 col_1 0 4 -2 1 -3 -4 2 0 4 3 -1 4 4 4 -4

pandas当中的filter()方法是用来筛选出特定范围的数据的，示例如下

df = pd.DataFrame(np.array(([1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12])), index=['A', 'B', 'C', 'D'], columns=['one', 'two', 'three'])

output

one two three A 1 2 3 B 4 5 6 C 7 8 9 D 10 11 12

我们使用filter()方法来筛选数据

df.filter(items=['one', 'three'])

output

one three A 1 3 B 4 6 C 7 9 D 10 12

我们还可以使用正则表达式来筛选数据

df.filter(regex='e$', axis=1)

output

one three A 1 3 B 4 6 C 7 9 D 10 12

当然通过参数axis来调整筛选行方向或者是列方向的数据

df.filter(like='B', axis=0)

output

one two three B 4 5 6first()方法

当数据集当中的行索引是日期的时候，可以通过该方法来筛选前面几行的数据

index_1 = pd.date_range('2021-11-11', periods=5, freq='2D') ts = pd.DataFrame({'A': [1, 2, 3, 4, 5]}, index=index_1) ts

output

A 2021-11-11 1 2021-11-13 2 2021-11-15 3 2021-11-17 4 2021-11-19 5

我们使用first()方法来进行一些操作，例如筛选出前面3天的数据

ts.first('3D')

output

A 2021-11-11 1 2021-11-13 2isin()方法

isin()方法主要是用来确认数据集当中的数值是否被包含在给定的列表当中

df = pd.DataFrame(np.array(([1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12])), index=['A', 'B', 'C', 'D'], columns=['one', 'two', 'three']) df.isin([3, 5, 12])

output

one two three A False False True B False True False C False False False D False False True

df = pd.DataFrame({ 'sales': [30, 20, 38, 95, 106, 65], 'signups': [7, 9, 6, 12, 18, 13], 'visits': [20, 42, 28, 62, 81, 50], }, index=pd.date_range(start='2021/01/01', end='2021/07/01', freq='M')) ax = df.plot.area(figsize = (10, 5))

output

下面我们看一下如何通过一行代码来绘制柱状图

df = pd.DataFrame({'label':['A', 'B', 'C', 'D'], 'values':[10, 30, 50, 70]}) ax = df.plot.bar(x='label', y='values', rot=20)

output

当然我们也可以根据不同的类别来绘制柱状图

age = [0.1, 17.5, 40, 48, 52, 69, 88] weight = [2, 8, 70, 1.5, 25, 12, 28] index = ['A', 'B', 'C', 'D', 'E', 'F', 'G'] df = pd.DataFrame({'age': age, 'weight': weight}, index=index) ax = df.plot.bar(rot=0)

output

当然我们也可以横向来绘制图表

ax = df.plot.barh(rot=0)

output

我们来看一下箱型图的具体的绘制，通过pandas一行代码来实现

data = np.random.randn(25, 3) df = pd.DataFrame(data, columns=list('ABC')) ax = df.plot.box()

output

接下来是饼图的绘制

df = pd.DataFrame({'mass': [1.33, 4.87 , 5.97], 'radius': [2439.7, 6051.8, 6378.1]}, index=['Mercury', 'Venus', 'Earth']) plot = df.plot.pie(y='mass', figsize=(8, 8))

output

除此之外，还有折线图、直方图、散点图等等，步骤与方式都与上述的技巧有异曲同工之妙，大家感兴趣的可以自己另外去尝试。