偷偷告訴你5個(gè)好用的Pandas技巧

在工作中，效率是一個(gè)很關(guān)鍵的因素，一個(gè)人做事的效率高低，決定了花費(fèi)時(shí)間的多少。所以當(dāng)我們項(xiàng)目涉及到一些基礎(chǔ)編碼時(shí)，使用pandas庫(kù)就能大大的節(jié)省你的時(shí)間，提高你的工作效率。

Pandas是一個(gè)開(kāi)源包。它有助于用Python語(yǔ)言執(zhí)行數(shù)據(jù)分析和數(shù)據(jù)操作。此外，它還為我們提供了靈活的數(shù)據(jù)結(jié)構(gòu)。

接下來(lái)帶你們了解一下pandas的幾個(gè)實(shí)用技巧

1.行的條件選擇

首先，數(shù)據(jù)探索是必要步驟。Pandas為進(jìn)行各種分析提供了一種快速簡(jiǎn)便的方法。其中一個(gè)非常重要的技巧是根據(jù)條件選擇行或過(guò)濾數(shù)據(jù)。

行的條件選擇可以基于由邏輯運(yùn)算符分隔的單個(gè)語(yǔ)句中的單個(gè)條件或多個(gè)條件。

例如，我使用一個(gè)關(guān)于貸款預(yù)測(cè)的數(shù)據(jù)集。

我們將挑選一排還沒(méi)有畢業(yè)、收入低于5400英鎊的客戶。讓我們看看我們?cè)撛趺醋觥?/p>

import pandas as pd
data = pd.read_csv('../Data/loan_train.csv')
data.head()
data2 = data.loc[(data['Education'] == 'Not Graduate') & (data['ApplicantIncome'] <= 5400)]
data2

注意：記住把每個(gè)條件放在括號(hào)內(nèi)。

2.數(shù)據(jù)的存儲(chǔ)

數(shù)據(jù)可以有兩種類型-連續(xù)的和離散的，這取決于我們的分析要求。有時(shí)我們不需要連續(xù)變量中的精確值，但需要它所屬的群體。

例如，你的數(shù)據(jù)中有一個(gè)連續(xù)變量，年齡。但你需要一個(gè)年齡組來(lái)進(jìn)行分析，比如兒童、青少年、成人、老年人。實(shí)際上，Binning非常適合解決我們這里的問(wèn)題。

為了執(zhí)行Binning，我們使用cut()函數(shù)。這對(duì)于從連續(xù)變量到離散變量非常有用。

import pandas as pd


df = pd.read_csv('titanic.csv')
from sklearn.utils import shuffle


# 隨機(jī)化
df = shuffle(df, random_state = 42)


df.head()


bins = [0,4,17,65,99]
labels =['Toddler','Child','Adult','Elderly']


category = pd.cut(df['Age'], bins = bins, labels = labels)


df.insert(2, 'Age Group', category)


df.head()


df['Age Group'].value_counts()


df.isnull().sum()

3.分組數(shù)據(jù)

這種操作在數(shù)據(jù)科學(xué)家和分析師的日常生活中經(jīng)常執(zhí)行。Pandas提供了一個(gè)基本的函數(shù)來(lái)執(zhí)行數(shù)據(jù)分組，即Groupby。

Groupby操作包括根據(jù)特定條件拆分對(duì)象，應(yīng)用函數(shù)，然后組合結(jié)果。

讓我們?cè)倏匆淮钨J款預(yù)測(cè)數(shù)據(jù)集，假設(shè)我想看看給來(lái)自不同財(cái)產(chǎn)領(lǐng)域的人的平均貸款額，比如農(nóng)村、半城市和城市。花點(diǎn)時(shí)間來(lái)理解這個(gè)問(wèn)題陳述并思考如何解決它。

嗯，Pandas的groupby可以非常有效地解決這個(gè)問(wèn)題。首先根據(jù)屬性區(qū)域劃分?jǐn)?shù)據(jù)。其次，我們將mean()函數(shù)應(yīng)用于每個(gè)類別。最后，我們將它們組合在一起，并將其打印為新的數(shù)據(jù)幀。

#導(dǎo)入數(shù)據(jù)集
import pandas as pd


df = pd.read_csv('../Data/loan_train.csv')
df.head()


# 男女平均收入
df.groupby(['Gender'])[['ApplicantIncome']].mean()


# 平均貸款金額不同的財(cái)產(chǎn)地區(qū)，如城市，農(nóng)村
df.groupby(['Property_Area'])[['LoanAmount']].mean()


# 比較不同教育背景的貸款狀況
df.groupby(['Education'])[['Loan_Status']].count()

4.Pandas map

map是另一個(gè)提供高度靈活性和實(shí)際應(yīng)用的重要操作。

Pandas map()用于根據(jù)輸入對(duì)應(yīng)關(guān)系將序列中的每個(gè)值映射到其他值。實(shí)際上，這個(gè)輸入可以是一個(gè)序列、字典，甚至是一個(gè)函數(shù)。

讓我們舉一個(gè)有趣的例子。我們有一個(gè)虛擬的雇員數(shù)據(jù)集。此數(shù)據(jù)集由以下列組成–姓名、年齡、職業(yè)、城市。

現(xiàn)在需要添加另一列，說(shuō)明相應(yīng)的狀態(tài)。你會(huì)怎么做？如果數(shù)據(jù)集的范圍是10行，你可以手動(dòng)執(zhí)行，但是如果有數(shù)千行呢？使用Pandas map會(huì)更有利。

#樣本數(shù)據(jù)
data = {'name': ['A', 'B', 'C', 'D', 'E'], 
        'age': [22, 26, 33, 44, 50],
        'profession' : ['data engineer', 'data scientist', 'entrepreneur', 'business analyst', 'self-employed'], 
        'city': ['Gurgaon', 'Bangalore', 'Gurgaon', 'Pune', 'New Delhi']}


df = pd.DataFrame(data)
df


# 城市與州
map_city_to_states = { 'Gurgaon' : 'Haryana', 
                  'Bangalore' : 'Karnataka', 
                  'Pune' : 'Maharashtra', 
                  'New Delhi' : 'Delhi'}


# 將城市列映射為州
df['state'] = df['city'].map(map_city_to_states)
df

5.Pandas DataFrame的條件格式化

這是我最喜歡的Pandas技巧之一。這個(gè)技巧讓我有能力直觀地定位特定條件下的數(shù)據(jù)。

可以使用Pandas的style屬性將條件格式應(yīng)用于數(shù)據(jù)框。事實(shí)上，條件格式是根據(jù)某種條件對(duì)數(shù)據(jù)幀應(yīng)用視覺(jué)樣式的操作。

雖然Pandas提供了大量的操作，但我將在這里向你展示一個(gè)簡(jiǎn)單的操作。例如，我們有對(duì)應(yīng)于每個(gè)銷售人員的銷售數(shù)據(jù)。我想查看的是銷售價(jià)值高于80的。

import pandas as pd


data = pd.read_excel("../Data/salesman_performance.xlsx")
data


data.style


def highlight_green(sales):
    color = 'green' if sales > 80 else 'black'
    return 'color: %s' % color


formatting = data.iloc[:,1:6].style.applymap(highlight_green)
formatting

（推薦教程：Pandas中文教程）

結(jié)尾

以上就是關(guān)于Pandas的5個(gè)實(shí)用技巧的介紹了，希望這些技巧能幫大家更好更快的完成工作。