12個Pandas/NumPy中的加速函數(shù)使用總結
我們都知道,Numpy 是 Python 環(huán)境下的擴展程序庫,支持大量的維度數(shù)組和矩陣運算;Pandas 也是 Python 環(huán)境下的數(shù)據(jù)操作和分析軟件包,以及強大的數(shù)據(jù)分析庫。二者在日常的數(shù)據(jù)分析中都發(fā)揮著重要作用,如果沒有 Numpy 和 Pandas 的支持,數(shù)據(jù)分析將變得異常困難。但有時我們需要加快數(shù)據(jù)分析的速度,有什么辦法可以幫助到我們嗎?
在本文中,數(shù)據(jù)和分析工程師 Kunal Dhariwal 為我們介紹了 12 種 Numpy 和 Pandas 函數(shù),這些高效的函數(shù)會令數(shù)據(jù)分析更為容易、便捷。
Numpy 的 6 種高效函數(shù)
首先從 Numpy 開始。Numpy 是用于科學計算的 Python 語言擴展包,通常包含強大的 N 維數(shù)組對象、復雜函數(shù)、用于整合 C/C++和 Fortran 代碼的工具以及有用的線性代數(shù)、傅里葉變換和隨機數(shù)生成能力。
除了上面這些明顯的用途,Numpy 還可以用作通用數(shù)據(jù)的高效多維容器(container),定義任何數(shù)據(jù)類型。這使得 Numpy 能夠實現(xiàn)自身與各種數(shù)據(jù)庫的無縫、快速集成。
接下來一一解析 6 種 Numpy 函數(shù)。
argpartition()
借助于 argpartition(),Numpy 可以找出 N 個最大數(shù)值的索引,也會將找到的這些索引輸出。然后我們根據(jù)需要對數(shù)值進行排序。
>>>?x?=?np.array([12,?10,?12,?0,?6,?8,?9,?1,?16,?4,?6,?0]) >>>?index_val?=?np.argpartition(x,?-4)[-4:] >>>?index_val array([1,?8,?2,?0],?dtype=int64) >>>?np.sort(x[index_val]) array([10,?12,?12,?16])
allclose()
allclose() 用于匹配兩個數(shù)組,并得到布爾值表示的輸出。如果在一個公差范圍內(within a tolerance)兩個數(shù)組不等同,則 allclose() 返回 False。該函數(shù)對于檢查兩個數(shù)組是否相似非常有用。
>>>?array1?=?np.array([0.12,0.17,0.24,0.29]) >>>?array2?=?np.array([0.13,0.19,0.26,0.31])#?with?a?tolerance?of?0.1,?it?should?return?False: >>>?np.allclose(array1,array2,0.1) False#?with?a?tolerance?of?0.2,?it?should?return?True: >>>?np.allclose(array1,array2,0.2) True
clip()
Clip() 使得一個數(shù)組中的數(shù)值保持在一個區(qū)間內。 有時,我們需要保證數(shù)值在上下限范圍內。為此,我們可以借助 Numpy 的 clip() 函數(shù)實現(xiàn)該目的。給定一個區(qū)間,則區(qū)間外的數(shù)值被剪切至區(qū)間上下限(interval edge)。
>>>?x?=?np.array([3,?17,?14,?23,?2,?2,?6,?8,?1,?2,?16,?0]) >>>?np.clip(x,2,5) array([3,?5,?5,?5,?2,?2,?5,?5,?2,?2,?5,?2])
extract()
顧名思義,extract() 是在特定條件下從一個數(shù)組中提取特定元素。 借助于 extract(),我們還可以使用 and 和 or 等條件。
#?Random?integers >>>?array?=?np.random.randint(20,?size=12) >>>?array array([?0,??1,??8,?19,?16,?18,?10,?11,??2,?13,?14,??3])#??Divide?by?2?and?check?if?remainder?is?1 >>>?cond?=?np.mod(array,?2)==1 >>>?cond array([False,??True,?False,??True,?False,?False, ???????False,??True,?False,?True,?False,??True])#?Use?extract?to?get?the?values >>>?np.extract(cond,?array) array([?1,?19,?11,?13,??3])#?Apply?condition?on?extract?directly >>>?np.extract(((array?<?3)?|?(array?>?15)),?array) array([?0,??1,?19,?16,?18,??2])
where()
Where() 用于從一個數(shù)組中返回滿足特定條件的元素。 比如,它會返回滿足特定條件的數(shù)值的索引位置。Where() 與 SQL 中使用的 where condition 類似,如以下示例所示:
>>>?y?=?np.array([1,5,6,8,1,7,3,6,9])?#?Where?y?is?greater?than?5,?returns?index?position >>>?np.where(y>5) array([2,?3,?5,?7,?8],?dtype=int64)?#?First?will?replace?the?values?that?match?the?condition,? #?second?will?replace?the?values?that?does?not >>>?np.where(y>5,?"Hit",?"Miss") array(['Miss',?'Miss',?'Hit',?'Hit',?'Miss', ???????'Hit',?'Miss',?'Hit',?'Hit'], ???????dtype='<U4')
percentile()
Percentile() 用于計算特定軸方向上數(shù)組元素的第 n 個百分位數(shù)。
>>>?a?=?np.array([1,5,6,8,1,7,3,6,9]) >>>?print("50th?Percentile?of?a,?axis?=?0?:?",?? ...???????np.percentile(a,?50,?axis?=0)) 50th?Percentile?of?a,?axis?=?0?:??6.0 >>>?b?=?np.array([[10,?7,?4],?[3,?2,?1]]) >>>?print("30th?Percentile?of?b,?axis?=?0?:?",?? ...???????np.percentile(b,?30,?axis?=0)) 30th?Percentile?of?b,?axis?=?0?:??[5.1?3.5?1.9]
這就是 Numpy 擴展包的 6 種高效函數(shù),相信會為你帶來幫助。接下來看一看 Pandas 數(shù)據(jù)分析庫的 6 種函數(shù)。
Pandas 數(shù)據(jù)統(tǒng)計包的 6 種高效函數(shù)
Pandas 也是一個 Python 包,它提供了快速、靈活以及具有顯著表達能力的數(shù)據(jù)結構, 旨在使處理結構化 (表格化、多維、異構) 和時間序列數(shù)據(jù)變得既簡單又直觀。
Pandas 適用于以下各類數(shù)據(jù):
- 具有異構類型列的表格數(shù)據(jù),如 SQL 表或 Excel 表
- 有序和無序 (不一定是固定頻率) 的時間序列數(shù)據(jù)
- 帶有行/列標簽的任意矩陣數(shù)據(jù)(同構類型或者是異構類型)
- 其他任意形式的統(tǒng)計數(shù)據(jù)集。事實上,數(shù)據(jù)根本不需要標記就可以放入 Pandas 結構中
Pandas 擅長處理的類型如下所示:
- 容易處理浮點數(shù)據(jù)和非浮點數(shù)據(jù)中的 缺失數(shù)據(jù)(用 NaN 表示)
- 大小可調整性: 可以從 DataFrame 或者更高維度的對象中插入或者是刪除列
- 顯式數(shù)據(jù)可自動對齊: 對象可以顯式地對齊至一組標簽內,或者用戶可以簡單地選擇忽略標簽,使 Series、 DataFrame 等自動對齊數(shù)據(jù)
- 靈活的分組功能,對數(shù)據(jù)集執(zhí)行拆分-應用-合并等操作,對數(shù)據(jù)進行聚合和轉換
- 簡化將數(shù)據(jù)轉換為 DataFrame 對象的過程,而這些數(shù)據(jù)基本是 Python 和 NumPy 數(shù)據(jù)結構中不規(guī)則、不同索引的數(shù)據(jù)
- 基于標簽的智能切片、索引以及面向大型數(shù)據(jù)集的子設定
- 更加直觀地合并以及連接數(shù)據(jù)集
- 更加靈活地重塑、轉置(pivot)數(shù)據(jù)集
- 軸的分級標記 (可能包含多個標記)
- 具有魯棒性的 IO 工具,用于從平面文件 (CSV 和 delimited)、 Excel 文件、數(shù)據(jù)庫中加在數(shù)據(jù),以及從 HDF5 格式中保存 / 加載數(shù)據(jù)
- 時間序列的特定功能: 數(shù)據(jù)范圍的生成以及頻率轉換、移動窗口統(tǒng)計、數(shù)據(jù)移動和滯后等
read_csv(nrows=n)
大多數(shù)人都會犯的一個錯誤是,在不需要.csv 文件的情況下仍會完整地讀取它。 如果一個未知的.csv 文件有 10GB,那么讀取整個.csv 文件將會非常不明智,不僅要占用大量內存,還會花很多時間。我們需要做的只是從.csv 文件中導入幾行,之后根據(jù)需要繼續(xù)導入。
import?io import?requests #?I?am?using?this?online?data?set?just?to?make?things?easier?for?you?guys url?=?"https://raw.github.com/vincentarelbundock/Rdatasets/master/csv/datasets/AirPassengers.csv" s?=?requests.get(url).content#?read?only?first?10?rows df?=?pd.read_csv(io.StringIO(s.decode('utf-8')),nrows=10?,?index_col=0)
map()
map() 函數(shù)根據(jù)相應的輸入來映射 Series 的值。 用于將一個 Series 中的每個值替換為另一個值,該值可能來自一個函數(shù)、也可能來自于一個 dict 或 Series。
#?create?a?dataframe dframe?=?pd.DataFrame(np.random.randn(4,?3),? ??????????????????????columns=list('bde'),? ??????????????????????index=['India',?'USA',?'China',?'Russia']) #compute?a?formatted?string?from?each?floating?point?value?in?frame changefn?=?lambda?x:?'%.2f'?%?x #?Make?changes?element-wise dframe['d'].map(changefn)
apply()
apply() 允許用戶傳遞函數(shù),并將其應用于 Pandas 序列中的每個值。
#?max?minus?mix?lambda?fn fn?=?lambda?x:?x.max()?-?x.min() #?Apply?this?on?dframe?that?we've?just?created?above dframe.apply(fn)
isin()
lsin () 用于過濾數(shù)據(jù)幀。 Isin () 有助于選擇特定列中具有特定(或多個)值的行。
#?Using?the?dataframe?we?created?for?read_csv filter1?=?df["value"].isin([112])? filter2?=?df["time"].isin([1949.000000])df?[filter1?&?filter2]
copy()
Copy () 函數(shù)用于復制 Pandas 對象。 當一個數(shù)據(jù)幀分配給另一個數(shù)據(jù)幀時,如果對其中一個數(shù)據(jù)幀進行更改,另一個數(shù)據(jù)幀的值也將發(fā)生更改。為了防止這類問題,可以使用 copy () 函數(shù)。
#?creating?sample?series? data?=?pd.Series(['India',?'Pakistan',?'China',?'Mongolia']) #?Assigning?issue?that?we?face data1=?data #?Change?a?value data1[0]='USA' #?Also?changes?value?in?old?data framedata #?To?prevent?that,?we?use #?creating?copy?of?series? new?=?data.copy() #?assigning?new?values? new[1]='Changed?value' #printing?data? print(new)? print(data)
select_dtypes()
select_dtypes() 的作用是,基于 dtypes 的列返回數(shù)據(jù)幀列的一個子集。 這個函數(shù)的參數(shù)可設置為包含所有擁有特定數(shù)據(jù)類型的列,亦或者設置為排除具有特定數(shù)據(jù)類型的列。
#?We'll?use?the?same?dataframe?that?we?used?for?read_csv framex?=??df.select_dtypes(include="float64") #?Returns?only?time?column
最后,pivot_table() 也是 Pandas 中一個非常有用的函數(shù)。如果對 pivot_table() 在 excel 中的使用有所了解,那么就非常容易上手了。
#?Create?a?sample?dataframe school?=?pd.DataFrame({'A':?['Jay',?'Usher',?'Nicky',?'Romero',?'Will'],? ??????'B':?['Masters',?'Graduate',?'Graduate',?'Masters',?'Graduate'],? ??????'C':?[26,?22,?20,?23,?24]})#?Lets?create?a?pivot?table?to?segregate?students?based?on?age?and?course table?=?pd.pivot_table(school,?values?='A',?index?=['B',?'C'],? ?????????????????????????columns?=['B'],?aggfunc?=?np.sum,?fill_value="Not?Available") table
到此這篇關于12個Pandas/NumPy中的加速函數(shù)使用總結的文章就介紹到這了,更多相關Pandas NumPy加速內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
Python抓新型冠狀病毒肺炎疫情數(shù)據(jù)并繪制全國疫情分布的代碼實例
在本篇文章里小編給大家整理了一篇關于Python抓新型冠狀病毒肺炎疫情數(shù)據(jù)并繪制全國疫情分布的代碼實例,有興趣的朋友們可以學習下。2020-02-02對DJango視圖(views)和模版(templates)的使用詳解
今天小編就為大家分享一篇對DJango視圖(views)和模版(templates)的使用詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07