首页 / 知识

pythonNumpy和Pandas如何高效使用？

2023-11-12 13:45:00

Python近几年十分流行，不少小伙伴都来学习Python了，都知道Python有几大方向，如爬虫、Python开发工程师、数据分析、人工智能等，本篇针对数据分析学科，给大家讲解Numpy和Pandas函数，使用高效函数会使数据分析更为容易、简单，请看下文：

Numpy的高效函数

1、argpartition()：借助它，Numpy可以找出N个最大数值的索引，也会将找到的索引进行输出，进而根据需要对数值进行排序。

2、allclose()：适用于匹配两个数组，进而得到布尔值表示的输出。如果在一个范围内(withinatolerance)两个数组不等同，则会返回False。该函数对于检查两个数组是否相似非常有用。

3、clip()：使一个数组中的数值保持在区间内。在需要保证数值在上下限范围的情况下，可以借助clip()函数实现该目的。

4、extract()：它是在特定条件下从一个数组中提取特定元素，还可以使用and和or等条件。

5、where()：用于从一个数组中返回满足条件的数据。比如，它会返回满足条件的数据的索引位置。

6、percentile()：用于计算特定轴方向上数组元素的第n个百分位数。

Pandas的高效函数

1、read_csv：大多数新手都会犯的一个错误是，在不需要.csv文件的情况下仍会完整地读取它。如果一个未知的.csv文件有10GB，那么读取整个.csv文件将会非常不明智，不仅要占用大量内存，还会花很多时间。我们需要做的只是从.csv文件中导入几行，之后根据需要继续导入。

2、map()：根据输入来映射Series的值。用于将一个Series中的每个值替换为另一个值。

3、apply()：允许用户传递函数，并将其应用于Pandas序列中的每个值。

4、isin()：用于过滤数据帧。Isin()有助于选择特定列中具有特定(或多个)值的行。

5、copy()：用于复制Pandas对象。当一个数据分配给另一个数据时，如果其中一个数据进行了修改，另一个数据的值也会发生改变。这种时候就可以使用copy()函数。

6、select_dtypes()：这个函数的参数可设置为包含所拥有特定数据类型的列，也可以设置为排除具有特定数据类型的列。