我們都知道Pandas和NumPy很棒，它們在我們的日常分析中起著至關重要的作用。沒有Pandas和NumPy，我們將在這個龐大的數據分析和科學世界中迷茫。今天，我將分享12個驚人的Pandas和NumPy函數，這些函數將使您的生活和分析變得比以前容易得多。 最后，您可以找到本文所用代碼的Jupyter Notebook。

讓我們從NumPy開始

NumPy是使用Python進行科學計算的基本軟件包。它包含以下內容：

• 強大的N維數組對象
• 復雜的(廣播)功能
• 集成C / C++和Fortran代碼的工具
• 有用的線性代數，傅立葉變換和隨機數功能

除了其明顯的科學用途外，NumPy還可以用作通用數據的高效多維容器。可以定義任意數據類型。這使NumPy能夠無縫，快速地與各種數據庫集成。

1. argpartition()

NumPy具有此驚人的功能，可以找到N個最大值索引。輸出將是N個最大值索引，然后可以根據需要對值進行排序。

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以布爾值形式獲取輸出。如果兩個數組中的項在公差范圍內不相等，則將返回False。這是檢查兩個數組是否相似的好方法，這實際上很難手動實現。

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()用于將值保留在一個間隔內的數組中。有時，我們需要將值保持在上限和下限之內。出于上述目的，我們可以使用NumPy的clip()。給定一個間隔，該間隔以外的值將被裁剪到間隔邊緣。

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()用于根據特定條件從數組中提取特定元素。通過extract()，我們還可以使用諸如and和 or的條件。

# 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()用于從滿足特定條件的數組中返回元素。它返回在特定條件下的值的索引位置。這幾乎類似于我們在SQL中使用的where條件，我將在下面的示例中進行演示。

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()用于計算沿指定軸的數組元素的第n個百分點。

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] 

如果您以前使用過它們，請就應該能體會到它對您有多大幫助。讓我們繼續前進到令人驚嘆的Pandas。

pandas：

pandas是一個Python軟件包，提供快速，靈活和富于表現力的數據結構，旨在使處理結構化(表格，多維，潛在異構)和時間序列數據既簡單又直觀。

Pandas非常適合許多不同類型的數據：

• 具有異構類型列的表格數據，例如在SQL表或Excel電子表格中
• 有序和無序(不一定是固定頻率)時間序列數據。
• 具有行和列標簽的任意矩陣數據(同類型或異類)
• 觀察/統計數據集的任何其他形式。實際上，數據根本不需要標記即可放入Pandas數據結構。

以下是Pandas做得好的一些事情：

• 輕松處理浮點數據和非浮點數據中的缺失數據(表示為NaN)
• 大小可變性：可以從DataFrame和更高維的對象中插入和刪除列
• 自動和顯式的數據對齊：可以將對象顯式地對齊到一組標簽，或者用戶可以簡單地忽略標簽并讓Series，DataFrame等自動為您對齊數據
• 強大，靈活的分組功能，可對數據集執行拆分應用合并操作，以匯總和轉換數據
• 輕松將其他Python和NumPy數據結構中的衣衫,、索引不同的數據轉換為DataFrame對象
• 基于智能標簽的切片，花式索引和大數據集子集
• 直觀的合并和聯接數據集
• 靈活地重塑和旋轉數據集
• 軸的分層標簽(每個刻度可能有多個標簽)
• 強大的IO工具，用于從平面文件(CSV和定界文件)，Excel文件，數據庫加載數據，以及從超快HDF5格式保存/加載數據
• 特定于時間序列的功能：日期范圍生成和頻率轉換，移動窗口統計信息，日期移動和滯后。

1. read_csv(nrows = n)

您可能已經知道read_csv函數的使用。但是，即使不需要，我們大多數人仍然會錯誤地讀取整個.csv文件。讓我們考慮一種情況，即我們不知道10gb的.csv文件中的列和數據，在這里讀取整個.csv文件將不是一個明智的決定，因為這將不必要地占用我們的內存，并且會花費很多時間時間。我們可以僅從.csv文件中導入幾行，然后根據需要繼續操作。

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()函數用于根據輸入對應關系映射Series的值。用于將系列中的每個值替換為另一個值，該值可以從函數，字典或系列中得出。

# 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()允許用戶傳遞一個函數并將其應用于Pandas系列的每個單個值。

# 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()

isin()用于過濾數據幀。isin()幫助選擇在特定列中具有特定(或多個)值的行。這是我遇到的最有用的功能。

# 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()用于創建Pandas對象的副本。將數據幀分配給另一個數據幀時，在另一個數據幀中進行更改時其值也會更改。為了防止出現上述問題，我們可以使用copy()。

# creating sample series  
data = pd.Series(['India', 'Pakistan', 'China', 'Mongolia']) 
# Assigning issue that we face 
datadata1= 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()函數基于列dtypes返回數據框的列的子集。可以將此函數的參數設置為包括具有某些特定數據類型的所有列，也可以將其設置為排除具有某些特定數據類型的所有那些列。

# We'll use the same dataframe that we used for read_csv 
framex =  df.select_dtypes(include="float64") 
# Returns only time column 

額外的獎勵：

pivot_table()pandas 最神奇最有用的功能是pivot_table。如果您猶豫使用groupby并想擴展其功能，那么可以很好地使用pivot_table。如果您知道數據透視表在excel中是如何工作的，那么對您來說可能只是小菜一碟。數據透視表中的級別將存儲在結果DataFrame的索引和列上的MultiIndex對象(分層索引)中。

# 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 

Jupyter Notebook(使用代碼)可以從以下鏈接找到：

https://github.com/kunaldhariwal/Medium-12-Amazing-Pandas-NumPy-Functions