數據分析，如何能錯過 Pandas 。

現在，數據科學家 Roman Orac 分享了他在工作中相見恨晚的 Pandas 使用技巧。

了解了這些技巧，能讓你在學習、使用 Pandas 的時候更加高效。 

[[319209]]

話不多說，一起學習一下~

Pandas實用技巧

用 Pandas 做數據分析，最大的亮點當屬 DataFrame。不過，在展示成果的時候，常常需要把 DataFrame 轉成另一種格式。

Pandas 在這一點上其實十分友好，只需添加一行代碼。

DataFrame 轉 HTML

如果你需要用 HTML 發送自動報告，那么 to_html 函數了解一下。

比如，我們先設定這樣一個 DataFrame：

import numpy as np 
import pandas as pd 
import random 
 
n = 10 
df = pd.DataFrame( 
    { 
        "col1": np.random.random_sample(n), 
        "col2": np.random.random_sample(n), 
        "col3": [[random.randint(0, 10) for _ in range(random.randint(3, 5))] for _ in range(n)], 
    } 
) 

用上 to_html，就可以將表格轉入 html 文件：

df_html = df.to_html() 
with open(‘analysis.html’, ‘w’) as f: f.write(df_html)  

與之配套的，是 read_html 函數，可以將 HTML 轉回 DataFrame。

DataFrame 轉 LaTeX

如果你還沒用過 LaTeX 寫論文，強烈建議嘗試一下。

要把 DataFrame 值轉成 LaTeX 表格，也是一個函數就搞定了：

df.to_latex()  

DataFrame 轉 Markdown

如果你想把代碼放到 GitHub 上，需要寫個 README。

這時候，你可能需要把 DataFrame 轉成 Markdown 格式。

Pandas 同樣為你考慮到了這一點：

print(df.to_markdown())  

注：這里還需要 tabulate 庫

DataFrame 轉 Excel

說到這里，給同學們提一個小問題：導師/老板/客戶要你提供 Excel 格式的數據，你該怎么做?

當然是——

df.to_excel(‘analysis.xlsx’) 

需要注意的是，如果你沒有安裝過 xlwt 和 openpyxl 這兩個工具包，需要先安裝一下。

另外，跟 HTML 一樣，這里也有一個配套函數：read_excel，用來將excel數據導入pandas DataFrame。

DataFrame 轉字符串

轉成字符串，當然也沒問題：

df.to_string() 

5個鮮為人知的Pandas技巧

此前，Roman Orac 還曾分享過 5 個他覺得十分好用，但大家可能沒有那么熟悉的 Pandas 技巧。

1、data_range

從外部 API 或數據庫獲取數據時，需要多次指定時間范圍。

Pandas 的 data_range 覆蓋了這一需求。

import pandas as pd 
date_from = “2019-01-01” 
date_to = “2019-01-12” 
date_range = pd.date_range(date_from, date_to, freq=”D”) 
print(date_range) 

freq = “D”/“M”/“Y”，該函數就會分別返回按天、月、年遞增的日期。 

2、合并數據

當你有一個名為left的DataFrame： 

和名為right的DataFrame： 

想通過關鍵字“key”把它們整合到一起： 

實現的代碼是：

df_merge = left.merge(right, on = ‘key’, how = ‘left’, indicator = True) 

3、最近合并(Nearest merge)

在處理股票或者加密貨幣這樣的財務數據時，價格會隨著實際交易變化。

針對這樣的數據，Pandas提供了一個好用的功能，merge_asof。

該功能可以通過最近的key(比如時間戳)合并DataFrame。

舉個例子，你有一個存儲報價信息的DataFrame。 

還有一個存儲交易信息的DataFrame。 

現在，你需要把兩個DataFrame中對應的信息合并起來。

最新報價和交易之間可能有10毫秒的延遲，或者沒有報價，在進行合并時，就可以用上 merge_asof。

pd.merge_asof(trades, quotes, on=”timestamp”, by=’ticker’, tolerance=pd.Timedelta(‘10ms’), direction=‘backward’)  

4、創建Excel報告

在Pandas中，可以直接用DataFrame創建Excel報告。

import numpy as np 
import pandas as pd 
 
df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=["a", "b", "c"]) 
 
report_name = 'example_report.xlsx' 
sheet_name = 'Sheet1' 
writer = pd.ExcelWriter(report_name, engine='xlsxwriter') 
df.to_excel(writer, sheet_name=sheet_name, index=False) 

不只是數據，還可以添加圖表。

# define the workbook 
workbook = writer.book 
worksheet = writer.sheets[sheet_name] 
# create a chart line object 
chart = workbook.add_chart({'type': 'line'}) 
# configure the series of the chart from the spreadsheet 
# using a list of values instead of category/value formulas: 
#     [sheetname, first_row, first_col, last_row, last_col] 
chart.add_series({ 
    'categories': [sheet_name, 1, 0, 3, 0], 
    'values':     [sheet_name, 1, 1, 3, 1], 
}) 
# configure the chart axes 
chart.set_x_axis({'name': 'Index', 'position_axis': 'on_tick'}) 
chart.set_y_axis({'name': 'Value', 'major_gridlines': {'visible': False}}) 
# place the chart on the worksheet 
worksheet.insert_chart('E2', chart) 
# output the excel file 
writer.save() 

注：這里需要 XlsxWriter 庫 

5、節省磁盤空間

Pandas在保存數據集時，可以對其進行壓縮，其后以壓縮格式進行讀取。

先搞一個 300MB 的 DataFrame，把它存成 csv。

df = pd.DataFrame(pd.np.random.randn(50000,300)) 
df.to_csv(‘random_data.csv’, index=False) 

壓縮一下試試：

df.to_csv(‘random_data.gz’, compression=’gzip’, index=False) 

文件就變成了136MB。 

gzip壓縮文件可以直接讀取：

df = pd.read_csv(‘random_data.gz’) 

這一份Pandas技巧筆記，暫且說到這里。各位同學都做好筆記了嗎?

Talk is cheap, show me the code。學會了，就用起來吧