Pandas用了一年,这3个函数是我最的最爱……
共 1677字,需浏览 4分钟
·
2020-11-02 00:11
导读
作为一名数据分析师,也是Pandas重度依赖者,虽然其提供了大量便利的接口,但其中的这3个却使用频率更高!
本文主要介绍pandas.DataFrame的三个接口,即assign、eval、query,分别用于赋值、查询和执行计算。
注:本文短平快,5分钟可完成阅读了解3个高效的接口。
在数据分析处理中,赋值产生新的列是非常高频的应用场景,简单的可能是赋值常数列、复杂的可能是由一列产生另外一个一列,对于这种需求pandas有多种方法实现,但个人唯独喜欢assign,用起来优雅高效。
例如,对于以上简单的DataFrame数据框,需要创建一个新的列C,一般来说可能有3种创建需求:常数列、指定序列数据以及由已知列通过一定计算产生。那么应用assign完成这3个需求分别是:
注意事项:
assign赋值新列时,一般用新列名=表达式的形式,其中新列名为变量的形式,所以不加引号(加引号时意味着是字符串);
assign返回创建了新列的dataframe,所以需要用新的dataframe对象接收返回值;
assign不仅可用于创建新的列,也可用于更新已有列,此时创建的新列会覆盖原有列。
实际上,eval是一个Python基础函数,用于执行字符串形式的计算表达式,例如以下简单实例:
那么,eval作为pandas.dataframe数据结构的一个接口,执行功能应该也与执行计算有关。另一方面,pandas中实际上是内置了大量的SQL类语法(包括下面要介绍的query也是),而eval的功能正是执行类似SQL语法中的计算,对已知列执行一定的计算时可用eval完成。例如,仍以前述由A和B列产生C列为例,应用eval的方法为:
了解SQL语法的都知道可用@前缀修饰自定义变量,这一用法在这里的eval中也得以保留,此时可非常方便的引用外部变量。当然,eval中的计算表达式本身属于字符串形式,所以自然也可以用Python的通用字符串引用方法。如下图所示。
注意事项:
eval支持接收一个inplace参数控制原地创建新变量或者返回新的dataframe;也支持仅用表达式而不设置新变量名,此时返回数据为series格式,如下图所示;
eval表达式中也支持调用函数执行复杂计算。
这应该是最近使用最为频繁的一个接口了,pandas中虽然也提供了多种数据筛选方式,例如loc中增加表达式、或者直接用df[df[]……]等等,但总觉得用起来不够优雅,尤其是要写两遍df以及[]等等,此时如果灵活运用query函数,那么会便捷不少。尤其是query也是类似于SQL中where关键字的语法逻辑,用起来会很顺滑。
例如对于以上dataframe,需要根据不同场景查询满足条件的记录,调用query的实现方式为:
注意事项:
query中也支持inplace参数,控制是否将查询过滤条件作用于dataframe本身;
与eval类似,query中也支持引用外部函数。
相关阅读: