我们都知道Pandas和NumPy是两种非常好用的函数，它们在我们日常的数据分析中起着至关重要的作用。没有Pandas和NumPy，我们将在这个庞大的数据分析和科学世界中失去方向。今天，我将分享12个非常实用的Pandas和NumPy函数，这些函数将使你的数据分析变得比以前容易得多。最后，本文中所用代码的Jupyter Notebook文档都在文章最后分享给你。
NumPy是使用Python进行科学计算的基本软件包。它包含以下内容：
强大的N维数组对象复杂的（广播）功能集成C / C ++和Fortran代码的工具有用的线性代数，傅立叶变换和随机数功能除了其明显的科学用途外，NumPy还可以用作通用数据的高效多维容器。可以定义任意数据类型。这使NumPy能够无缝，快速地与各种数据库集成。
1.argpartition（）
NumPy具有此惊人的功能，可以找到N个最大值索引。输出将是N个最大值索引，然后可以根据需要对值进行排序。
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])2. allclose（）
Allclose（）用于匹配两个数组，并根据布尔值获取输出。如果两个数组中的项在公差范围内不相等，则将返回False。检查两个数组是否相似的好方法，实际上很难手动实现。
array1 = np.array（[0.12,0.17,0.24,0.29]）
array2 = np.array（[0.13,0.19,0.26,0.31]）
#公差为0.1，应返回False：
np.allclose（array1， array2,0.1）
False
#公差为0.2，应返回True：
np.allclose（array1，array2,0.2）
True3. clip（）
Clip（）用于将值保留在一个间隔内的数组中。有时，我们需要将值保持在上限和下限之内。出于上述目的，我们可以使用NumPy的clip（）。给定一个间隔，该间隔以外的值将被裁剪到间隔边缘。
x = np.array（[3，17，14，23，2，2，6，8，1，1，2，16，0]）
np.clip（x，2,5）
array（[ 3，5，5 ，5、2、2、5、5、2、2、5、2]）4. extract（）
顾名思义，Extract（）用于根据特定条件从数组中提取特定元素。通过extract（），我们还可以使用诸如and和or的条件。
#随机整数
array = np.random.randint（20，size = 12）
array
array（[ 0，1，8，19，16，18，10，11，2，2，13，14，3 ]）
#除以2并检查余数是否为1
cond = np.mod（array，2）== 1
cond
array（[False，True，False，True，False，False，False，True，False，True，False，True]）
#使用提取以获取值
np.extract（cond，array）
array（[ 1，19，11，13，3 ]）
#将条件直接应用于提取
np.extract（（（（array <3）|（array> 15）） ，array）
array（[0，1，19，16，18，2]）5. where（）
where（）用于从满足特定条件的数组中返回元素。它返回在特定条件下的值的索引位置。这几乎类似于我们在SQL中使用的where条件，我将在下面的示例中进行演示。
y = np.array([1,5,6,8,1,7,3,6,9])
# y大于5时，返回索引位置
np.where(y>5)
array([2, 3, 5, 7, 8], dtype=int64),)
# 首先将替换符合条件的值,
# 其次将不替换
np.where(y>5, "Hit", "Miss")
array(['Miss', 'Miss', 'Hit', 'Hit', 'Miss', 'Hit', 'Miss', 'Hit', 'Hit'],dtype='<U4')6. percentile（）
Percentile（）用于计算沿指定轴的数组元素的第n个百分点。
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]如果你以前使用过这些函数，那么你一定了解，这些函数对你有多大帮助！
pandas是一个Python软件包，提供快速，灵活和富于表现力的数据结构，旨在使处理结构化（表格，多维，潜在异构）和时间序列数据既简单又直观。
pandas非常适合许多不同类型的数据：
具有异构类型列的表格数据，例如在SQL表或Excel电子表格中有序和无序（不一定是固定频率）时间序列数据。具有行和列标签的任意矩阵数据（同类型或异类）观察/统计数据集的任何其他形式。实际上，数据根本不需要标记即可放入pandas数据结构。以下是pandas擅长处理的一些事情：
轻松处理浮点数据和非浮点数据中的缺失数据（表示为NaN）大小可变性：可以从DataFrame和更高维度的对象中插入和删除列自动和显式的数据对齐：可以将对象显式地对齐到一组标签，或者用户可以简单地忽略标签并让Series，DataFrame等自动为您对齐数据强大，灵活的分组功能，可对数据集执行拆分应用合并操作，以汇总和转换数据轻松将其他Python和NumPy数据结构中的衣衫,、索引不同的数据转换为DataFrame对象基于智能标签的切片，花式索引和大数据集子集直观的合并和联接数据集灵活地重塑和旋转数据集轴的分层标签（每个刻度可能有多个标签）强大的IO工具，用于从平面文件（CSV和定界的文件），Excel文件，数据库加载数据，以及从超快HDF5格式保存/加载数据特定于时间序列的功能：日期范围生成和频率转换，移动窗口统计信息，日期移动和滞后。1.read_csv（nrows = n）
可能你已经知道 read_csv 函数的使用。但是，即使不需要，我们大多数人仍然会错误地读取整个.csv文件。让我们考虑第一种情况，即我们不知道10gb的.csv文件中的列和数据，在这里读取整个.csv文件将不是一个明智的决定，因为这将不必要地占用我们的内存，并且会花费很多时间。我们可以从.csv文件中导入几行，然后根据需要进行进一步操作。
import io
import requests
# 、为了让你们更轻松地使用，在这里我们将使用在线数据集
url = "https://raw.github.com/vincentarelbundock/Rdatasets/master/csv/datasets/AirPassengers.csv"
s = requests.get(url).content
# 仅读取前10行
df = pd.read_csv(io.StringIO(s.decode('utf-8')),nrows=10 , index_col=0)2. map（）
map（）函数用于根据输入对应关系映射Series的值。用于将系列中的每个值替换为可以从函数，字典或系列中得出的另一个值。
#创建一个数据
dframe = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['India', 'USA', 'China', 'Russia'])
#根据帧中的每个浮点值计算格式化的字符串
changefn = lambda x: '%.2f' % x
# 按元素进行更改
dframe['d'].map(changefn)3. apply（）
apply（）允许用户传递一个函数并将其应用于Pandas系列的每个单个值。
# 最大值减去最小值的混合 lambda fn
fn = lambda x: x.max() - x.min()
# 将其应用于上面刚刚创建的dframe
dframe.apply(fn)4. isin（）
isin（）用于过滤数据帧。isin（）帮助选择在特定列中具有特定（或多个）值的行。这是我遇到的最有用的功能。
#使用我们为read_csv创建的数据框
filter1 = df [“ value”]。isin（[112]）
filter2 = df [“ time”]。isin（[1949.000000]）
df [filter1＆filter2]5. copy（）
copy（）用于创建Pandas对象的副本。将数据帧分配给另一个数据帧时，在另一个数据帧中进行更改时其值也会更改。为了防止出现上述问题，我们可以使用copy（）。
#创建样本系列
data = pd.Series(['India', 'Pakistan', 'China', 'Mongolia'])
#分配我们面临的问题
data1 = data
#修改值
data1 [0] ='USA'
#还要更改旧数据框中的值
#为防止这种情况，我们使用
#创建系列的副本
new = data.copy（）
#分配新的值
new [1] ='Changed value'
#打印数据
print（new）
print（data）6. select_dtypes（）
select_dtypes（）函数基于列dtypes返回数据框的列的子集。可以将此函数的参数设置为包括具有某些特定数据类型的所有列，也可以设置为排除具有某些特定数据类型的所有那些列。
#我们将使用read_csv
framex = df.select_dtypes(include="float64")
#仅返回时间列其他的收获：数据透视表（）
Pandas 最神奇、最有用的功能是 pivot_table。如果你还在犹豫使用 groupby 并想扩展其功能，那么可以很好试试 pivot_table 。如果你知道数据透视表在excel中是如何工作的，那么对你来说可能就是小菜一碟。数据透视表中的级别将存储在结果 DataFrame 的索引和列上的MultiIndex对象（分层索引）中。
#创建一个样本数据
school = pd.DataFrame({'A': ['Jay', 'Usher', 'Nicky', 'Romero', 'Will'],
'B': ['Masters', 'Graduate', 'Graduate', 'Masters', 'Graduate'],
'C': [26, 22, 20, 23, 24]})
#让我们根据年龄和课程来创建数据透视表
table = pd.pivot_table(school, values ='A', index =['B', 'C'],
columns =['B'], aggfunc = np.sum, fill_value="Not Available")
table学习是为了更加方便我们的工作，这12个函数，不仅能方便我们处理数据，还能提高我们的工作效率。希望能对你带来收获！
以上所有代码都给你整理好了：https : //github.com/kunaldhariwal/Medium-12-Amazing-Pandas-NumPy-Functions
本文由未艾信息（www.weainfo.net）编译，
查看更多最新资讯，欢迎大家点击阅读原文登录我们的AI社区。
以及关注我们的公众号：为AI呐喊（weainahan）
