airpassengers数据集-加速数据分析这12种高效Numpy和Pandas函数为

先从Numpy开始。Numpy是⽤于科学计算的Python语⾔扩展包，通常包含强⼤的N维数组对象、复杂函数、⽤于整合C/C++和Fortran代码的⼯具以及有⽤的线性代数、傅⾥叶变换和随机数⽣成能⼒。airpassengers数据集_加速数据分析，这12种⾼效Numpy和Pandas函数为。。。选⾃TowardsDataScience作者：KunalDhariwal机器之⼼编译参与：Jamin、杜伟、张倩我们都知道，Numpy是Python环境下的扩展程序库，⽀持⼤量的维度数组和矩阵运算；Pandas也是Python环境下的数据操作和分析软件包，以及强⼤的数据分析库。⼆者在⽇常的数据分析中都发挥着重要作⽤，如果没有Numpy和Pandas的⽀持，数据分析将变得异常困难。但有时我们需要加快数据分析的速度，有什么办法可以帮助到我们吗？在本⽂中，数据和分析⼯程师KunalDhariwal为我们介绍了12种Numpy和Pandas函数，这些⾼效的函数会令数据分析更为容易、便捷。最后，读者也可以在GitHub项⽬中找到本⽂所⽤代码的JupyterNotebook.Numpy的6种⾼效函数除了上⾯这些明显的⽤途，Numpy还可以⽤作通⽤数据的⾼效多维容器(container)，定义任何数据类型。这使得Numpy能够实现⾃⾝与各种数据库的⽆缝、快速集成。接下来⼀⼀解析6种Numpy函数。argpartition()借助于argpartition()，Numpy可以找出N个最⼤数值的索引，也会将找到的这些索引输出。然后我们根据需要对数值进⾏排序。x=np.array([12,10,12,0,6,8,9,1,16,4,6,0])index_val=np.argpartition(x,-4)[-4:]index_valarray([1,8,2,0],dtype=int64)np.sort(x[index_val])array([10,12,1allclose()allclose()⽤于匹配两个数组，并得到布尔值表⽰的输出。如果在⼀个公差范围内(withinatolerance)两个数组不等同，则allclose()返回False。该函数对于检查两个数组是否相似⾮常有⽤。array1=np.array([0.12,0.17,0.24,0.29])array2=np.array([0.13,0.19,0.26,0.31])#withatoleranceof0.1,itshouldreturnFalse:np.allclose(array1,array2,0clip()Clip()使得⼀个数组中的数值保持在⼀个区间内。有时，我们需要保证数值在上下限范围内。为此，我们可以借助Numpy的clip()函数实现该⽬的。给定⼀个区间，则区间外的数值被剪切⾄区间上下限(intervaledge)。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])extract()顾名思义，extract()是在特定条件下从⼀个数组中提取特定元素。借助于extract()，我们还可以使⽤and和or等条件。#Randomintegersarray=np.random.randint(20,size=12)arrayarray([0,1,8,19,16,18,10,11,2,13,14,3])#Divideby2andcheckifremainderis1where()Where()⽤于从⼀个数组中返回满⾜特定条件的元素。⽐如，它会返回满⾜特定条件的数值的索引位置。Where()与SQL中使⽤的wherecondition类似，如以下⽰例所⽰：y=np.array([1,5,6,8,1,7,3,6,9])#Whereyisgreaterthan5,returnsindexpositionnp.where(y>5)array([2,3,5,7,8],dtype=int64),)#Firstwillreplacethevapercentile()Percentile()⽤于计算特定轴⽅向上数组元素的第n个百分位数。a=np.array([1,5,6,8,1,7,3,6,9])print("50thPercentileofa,axis=0:",np.percentile(a,50,axis=0))50thPercentileofa,axis=0:6.0b=np.array([[10这就是Numpy扩展包的6种⾼效函数，相信会为你带来帮助。接下来看⼀看Pandas数据分析库的6种函数。Pandas数据统计包的6种⾼效函数Pandas也是⼀个Python包，它提供了快速、灵活以及具有显著表达能⼒的数据结构，旨在使处理结构化(表格化、多维、异构)和时间序列数据变得既简单⼜直观。Pandas适⽤于以下各类数据:具有异构类型列的表格数据，如SQL表或Excel表；有序和⽆序(不⼀定是固定频率)的时间序列数据；带有⾏/列标签的任意矩阵数据(同构类型或者是异构类型)；其他任意形式的统计数据集。事实上，数据根本不需要标记就可以放⼊Pandas结构中。Pandas擅长处理的类型如下所⽰：容易处理浮点数据和⾮浮点数据中的缺失数据(⽤NaN表⽰)；⼤⼩可调整性:可以从DataFrame或者更⾼维度的对象中插⼊或者是删除列；显式数据可⾃动对齐:对象可以显式地对齐⾄⼀组标签内，或者⽤户可以简单地选择忽略标签，使Series、DataFrame等⾃动对齐数据；灵活的分组功能，对数据集执⾏拆分-应⽤-合并等操作，对数据进⾏聚合和转换；简化将数据转换为DataFrame对象的过程，⽽这些数据基本是Python和NumPy数据结构中不规则、不同索引的数据；基于标签的智能切⽚、索引以及⾯向⼤型数据集的⼦设定；更加直观地合并以及连接数据集；更加灵活地重塑、转置(pivot)数据集；轴的分级标记(可能包含多个标记)；具有鲁棒性的IO⼯具，⽤于从平⾯⽂件(CSV和delimited)、Excel⽂件、数据库中加在数据，以及从HDF5格式中保存/加载数据；时间序列的特定功能:数据范围的⽣成以及频率转换、移动窗⼝统计、数据移动和滞后等。read_csv(nrows=n)⼤多数⼈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。importioimportrequests#Iamusingthisonlinedatasetjusttomakethingseasierforyouguysurl="/vincentarelbundock/Rdatasetsmap()map()函数根据相应的输⼊来映射Series的值。⽤于将⼀个Series中的每个值替为换另⼀个值，该值可能来⾃⼀个函数、也可能来⾃于⼀个dict或Series。#createadataframedframe=pd.DataFrame(np.random.randn(4,3),columns=list('bde'),index=['India','USA','China','Russia'])#computeaformattedstrapply()apply()允许⽤户传递函数，并将其应⽤于Pandas序列中的每个值。#maxminusmixlambdafnfn=lambdax:x.max()-x.min()#Applythisondframethatwe'vejustcreatedabovedframe.apply(fn)isin()lsin()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。#Usingthedataframewecreatedforread_csvfilter1=df["value"].isin([112])filter2=df["time"].isin([1949.000000])df[filter1&filter2]copy()Copy()函数⽤于复制Pandas对象。当⼀个数据帧分配给另⼀个数据帧时，如果对其中⼀个数据帧进⾏更改，另⼀个数据帧的值也将发⽣更改。为了防⽌这类问题，可以使⽤copy()函数。#creatingsampleseriesdata=pd.Series(['India','Pakistan','China','Mongolia'])#Assigningissuethatwefacedata1=data#Changeavaluedata1[0]='USAselect_dtypes()select_dtypes()的作⽤是，基于dtypes的列返回数据帧列的⼀个⼦集。这个函数的参数可设置为包含所有拥有特定数据类型的列，亦或者设置为排除具有特定数据类型的列。#We'llusethesamedataframethatweusedforread_csvframex=df.select_dtypes(include="float64")#Returnsonlytimecolumn最后，pivot_tabl