本文分享給大家 12 種 Numpy 和 Pandas 函數，這些高效的函數會令數據分析更為容易、便捷。最后，讀者也可以在 GitHub 項目中找到本文所用代碼的 Jupyter Notebook。

項目地址：https://github.com/kunaldhariwal/12-Amazing-Pandas-NumPy-Functions

Numpy 的 6 種高效函數

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 維數組對象、復雜函數、用于整合 C/C++和 Fortran 代碼的工具以及有用的線性代數、傅里葉變換和隨機數生成能力。

除了上面這些明顯的用途，Numpy 還可以用作通用數據的高效多維容器（container），定義任何數據類型。這使得 Numpy 能夠實現自身與各種數據庫的無縫、快速集成。

接下來一一解析 6 種 Numpy 函數。

1、argpartition（）

借助于 argpartition（），Numpy 可以找出 N 個最大數值的索引，也會將找到的這些索引輸出。然后我們根據需要對數值進行排序。

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］）

2、allclose（）

allclose（） 用于匹配兩個數組，并得到布爾值表示的輸出。如果在一個公差范圍內（within a tolerance）兩個數組不等同，則 allclose（） 返回 False。該函數對于檢查兩個數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

3、clip（）

Clip（） 使得一個數組中的數值保持在一個區間內。有時，我們需要保證數值在上下限范圍內。為此，我們可以借助 Numpy 的 clip（） 函數實現該目的。給定一個區間，則區間外的數值被剪切至區間上下限（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］）

4、extract（）

顧名思義，extract（） 是在特定條件下從一個數組中提取特定元素。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］）

5、where（）

Where（） 用于從一個數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 ）

6、percentile（）

Percentile（） 用于計算特定軸方向上數組元素的第 n 個百分位數。

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 ： 6.0b = 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，相信會為你帶來幫助。接下來看一看 Pandas 數據分析庫的 6 種函數。

Pandas的 6 種高效函數

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據結構，旨在使處理結構化 （表格化、多維、異構） 和時間序列數據變得既簡單又直觀。

Pandas 適用于以下各類數據：

具有異構類型列的表格數據，如 SQL 表或 Excel 表；

有序和無序 （不一定是固定頻率） 的時間序列數據；

帶有行/列標簽的任意矩陣數據（同構類型或者是異構類型）；

其他任意形式的統計數據集。事實上，數據根本不需要標記就可以放入 Pandas 結構中。

1、read_csv（nrows=n）

大多數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，之后根據需要繼續導入。

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）

2、map（）

map（ ） 函數根據相應的輸入來映射 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、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）

3、apply（）

apply（） 允許用戶傳遞函數，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）

4、isin（）

lsin （） 用于過濾數據幀。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］

5、copy（）

Copy （） 函數用于復制 Pandas 對象。當一個數據幀分配給另一個數據幀時，如果對其中一個數據幀進行更改，另一個數據幀的值也將發生更改。為了防止這類問題，可以使用 copy （） 函數。

# 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 dataframe

data# 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）

6、select_dtypes（）

select_dtypes（） 的作用是，基于 dtypes 的列返回數據幀列的一個子集。這個函數的參數可設置為包含所有擁有特定數據類型的列，亦或者設置為排除具有特定數據類型的列。

# 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。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

原文鏈接：https://towardsdatascience.com/12-amazing-pandas-numpy-functions-22e5671a45b8

編輯：jq