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，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(fù)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?qū)崿F(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。

　　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(nèi)(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(nèi)。有時，我們需要保證數(shù)值在上下限范圍內(nèi)。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)。

　　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(jié)構(gòu)， 旨在使處理結(jié)構(gòu)化 (表格化、多維、異構(gòu)) 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(gòu)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(gòu)類型或者是異構(gòu)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(jié)構(gòu)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(diào)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(nèi)，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(yīng)用-合并等操作，對數(shù)據(jù)進行聚合和轉(zhuǎn)換

　　簡化將數(shù)據(jù)轉(zhuǎn)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(jié)構(gòu)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(shè)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(zhuǎn)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(zhuǎn)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(nèi)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(yīng)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。

　　apply()

　　apply() 允許用戶傳遞函數(shù)，并將其應(yīng)用于 Pandas 序列中的每個值。

　　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。

　　copy()

　　Copy () 函數(shù)用于復(fù)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)。

　　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(shè)置為包含所有擁有特定數(shù)據(jù)類型的列，亦或者設(shè)置為排除具有特定數(shù)據(jù)類型的列。

　　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