高效的5个pandas函数，你都用过吗？

❝

文章来源：towardsdatascience
作者：Soner Yıldırım
翻译\编辑：Python大数据分析

❞

看标题是否似曾相似？之前为大家介绍过10个高效的pandas函数，颇受欢迎，里面的每一个函数都能帮我们在数据分析过程中节省时间。

高效的10个Pandas函数，你都用过吗？

pandas还有很多让人舒适的用法，这次再为大家介绍5个pandas函数，作为这个系列的第二篇。

1. explode

explode用于将一行数据展开成多行。比如说dataframe中某一行其中一个元素包含多个同类型的数据，若想要展开成多行进行分析，这时候explode就派上用场，而且只需一行代码，非常节省时间。

用法：

DataFrame.explode(self, column: Union[str, Tuple])

参数作用：

• column ：str或tuple

以下表中第三行、第二列为例，展开[2,3,8]：

# 先创建表
id = ['a','b','c']
measurement = [4,6,[2,3,8]]
day = [1,1,1]
df1 = pd.DataFrame({'id':id, 'measurement':measurement, 'day':day})
df1

使用explode轻松将[2,3,8]转换成多行，且行内其他元素保持不变。

df1.explode('measurement').reset_index(drop=True)

2. Nunique

Nunique用于计算行或列上唯一值的数量，即去重后计数。这个函数在分类问题中非常实用，当不知道某字段中有多少类元素时，Nunique能快速生成结果。

用法：

Series.nunique(dropna=True)
# 或者
DataFrame.nunique(axis=0, dropna=True)

参数作用：

• axis：int型，0代表行，1代表列，默认0；
• dropna：bool类型，默认为True，计数中不包括NaN；

先创建一个df：

values_1 = np.random.randint(10, size=10)
values_2 = np.random.randint(10, size=10)
years = np.arange(2010,2020)
groups = ['A','A','B','A','B','B','C','A','C','C']
df = pd.DataFrame({'group':groups, 'year':years, 'value_1':values_1, 'value_2':values_2})
df

对year列进行唯一值计数：

df.year.nunique()

输出：10 对整个dataframe的每一个字段进行唯一值计数：

df.nunique()

3. infer_objects

infer_objects用于将object类型列推断为更合适的数据类型。

用法：

# 直接将df或者series推断为合适的数据类型
DataFrame.infer_objects()

pandas支持多种数据类型，其中之一是object类型。object类型包括字符串和混合值（数字及非数字）。

object类型比较宽泛，如果可以确定为具体数据类型，则不建议用object。

df = pd.DataFrame({"A": ["a", 1, 2, 3]})
df = df.iloc[1:]
df

df.dtypes

使用infer_objects方法将object推断为int类型：

df.infer_objects().dtypes

4. memory_usage

memory_usage用于计算dataframe每一列的字节存储大小，这对于大数据表非常有用。

用法：

DataFrame.memory_usage(index=True, deep=False)

参数解释：
index：指定是否返回df中索引字节大小，默认为True，返回的第一行即是索引的内存使用情况；
deep：如果为True，则通过查询object类型进行系统级内存消耗来深入地检查数据，并将其包括在返回值中。

首先创建一个df，共2列，1000000行。

df_large = pd.DataFrame({'A': np.random.randn(1000000),
                    'B': np.random.randint(100, size=1000000)})
df_large.shape

返回每一列的占用字节大小：

df_large.memory_usage()

第一行是索引index的内存情况，其余是各列的内存情况。

5. replace

顾名思义，replace是用来替换df中的值，赋以新的值。

用法：

DataFrame.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad')

参数解释：

• to_replace：被替换的值
• value：替换后的值
• inplace：是否要改变原数据，False是不改变，True是改变，默认是False
• limit：控制填充次数
• regex：是否使用正则,False是不使用，True是使用，默认是False
• method：填充方式，pad,ffill,bfill分别是向前、向前、向后填充

创建一个df：

values_1 = np.random.randint(10, size=10)
values_2 = np.random.randint(10, size=10)
years = np.arange(2010,2020)
groups = ['A','A','B','A','B','B','C','A','C','C']
df = pd.DataFrame({'group':groups, 'year':years, 'value_1':values_1, 'value_2':values_2})
df

将A全部替换为D：

df.replace('A','D')

将B替换为E，C替换为F：

df.replace({'B':'E','C':'F'})

Python大数据分析

data creates value