Python培训-Numpy和Pandas如何高效使用?

发布时间:2021-10-09 07:08:07 人气:264 作者:admin

Python培训-Numpy和Pandas如何高效使用?

  Python近几年十分流行,不少小伙伴都来学习Python了,都知道Python有几大方向,如爬虫、Python开发工程师、数据分析、人工智能等,本篇针对数据分析学科,给大家讲解Numpy和Pandas函数,使用高效函数会使数据分析更为容易、简单,请看下文:

  Numpy的高效函数

  1、argpartition():借助它,Numpy可以找出N个最大数值的索引,也会将找到的索引进行输出,进而根据需要对数值进行排序。

  2、allclose():适用于匹配两个数组,进而得到布尔值表示的输出。如果在一个范围内(within a tolerance)两个数组不等同,则会返回 False。该函数对于检查两个数组是否相似非常有用。

  3、clip():使一个数组中的数值保持在区间内。在需要保证数值在上下限范围的情况下,可以借助 clip()函数实现该目的。

  4、extract():它是在特定条件下从一个数组中提取特定元素,还可以使用 and 和 or 等条件。

  5、where():用于从一个数组中返回满足条件的数据。比如,它会返回满足条件的数据的索引位置。

  6、percentile():用于计算特定轴方向上数组元素的第 n 个百分位数。

Python培训-Numpy和Pandas如何高效使用?

  Pandas的高效函数

  1、read_csv:大多数新手都会犯的一个错误是,在不需要.csv 文件的情况下仍会完整地读取它。如果一个未知的.csv 文件有 10GB,那么读取整个.csv 文件将会非常不明智,不仅要占用大量内存,还会花很多时间。我们需要做的只是从.csv 文件中导入几行,之后根据需要继续导入。

  2、map():根据输入来映射 Series 的值。用于将一个 Series 中的每个值替换为另一个值。

  3、apply():允许用户传递函数,并将其应用于 Pandas 序列中的每个值。

  4、isin():用于过滤数据帧。Isin () 有助于选择特定列中具有特定(或多个)值的行。

  5、copy():用于复制 Pandas 对象。当一个数据分配给另一个数据时,如果其中一个数据进行了修改,另一个数据的值也会发生改变。这种时候就可以使用 copy () 函数。

  6、select_dtypes():这个函数的参数可设置为包含所拥有特定数据类型的列,也可以设置为排除具有特定数据类型的列。

  以上是关于Numpy和Pandas如何高效使用的介绍,由多测师亲自撰写。https://www.e70w.com/

返回列表
在线客服
联系方式

热线电话

17727591462

上班时间

周一到周五

二维码
线