[譯] pandas 指南：做更高效的資料科學家

摘要： 雲棲君導讀：Python是開源的，所以有很多開源固有的問題。如果你是Python新手，很難知道針對特定任務的包哪個是最好的。你需要有經驗的人來告訴你。今天我要告訴你們的是：在資料科學中，有一個軟體包是你們需要學習的，那就是pandas。 而pandas真正有趣的地方是，很多其...

雲棲君導讀：Python是開源的，所以有很多開源固有的問題。如果你是Python新手，很難知道針對特定任務的包哪個是最好的。你需要有經驗的人來告訴你。今天我要告訴你們的是：在資料科學中，有一個軟體包是你們需要學習的，那就是pandas。

而pandas真正有趣的地方是，很多其他的包也在裡面。pandas是一個核心包，因此它具有來自其他各種包的特性。

pandas類似於Python中的Excel：它使用表(即DataFrame)並對資料進行轉換，但它還能做更多。

如果你已經熟悉Python，可以直接進入第三部分。

現在讓我們開始：

.head(3)列印資料的前3行，.tail()函式將檢視資料的最後一行。

列印第8行。

將第8行值列印在“column_1”上。

如果要根據邏輯操作對資料進行運算，在使用& (AND)、~ (NOT)和| (OR)等邏輯操作之前和之後新增“(”&“)”。

不要為同一列編寫多個OR，最好是使用.isin()函式。

2、基本繪圖

多虧了matplotlib包，這個特性才得以實現。就像我們在介紹中說的，它可以直接用在pandas身上。

圖 1 .plot() 輸出示例

繪製分佈圖(直方圖)

圖 2 .hist() 函式輸出示例

如果你使用Jupyter，在繪圖之前，不要忘記寫這一行(在程式碼中只寫一次)

3、更新資料

將' column_1 '的第8行值替換為' english '

在一行中更改多行值

3、pandas的中級功能

現在你可以做一些在Excel中很容易做的事情。讓我們來挖掘一些在Excel中做不到的神奇事情。

1、計算功能

圖 3 .value_counts() 輸出示例

2、對全行、全列或所有資料的操作

len()函式應用於“column_1”的每個元素

map()操作將一個函式應用於列的每個元素。

pandas的另一個特點是進行鏈式操作。它可以幫助你在一行程式碼中執行多個操作，從而更加簡單和高效。

.apply()將函式應用於列。

.applymap()將一個函式應用於表(DataFrame)中的所有單元格。

3、tqdm包

在處理大型資料集時，pandas可能需要一些時間來執行.map()、.apply()、.applymap()操作。tqdm是一個非常有用的包，它可以幫助預測這些操作何時完成。

用pandas設定tqdm

將.map()替換為.progress_map()，.apply()和.applymap()也是一樣

圖4 這是你在Jupyter上看到的的進度條

4、相關矩陣和散射矩陣

圖 5.corr() 函式會得到相關矩陣

圖 6散射矩陣的例子，它繪製同一圖表中兩列的所有組合

pandas的高階功能

1、行列合併

在pandas中，行列合併非常簡單。

合併3列只需要一行程式碼

2、分組

分組一開始並不簡單，但是如果掌握其語法，你將發現這非常簡單。

按列分組，選擇要在其上操作函式的另一列。reset_index()將資料重新生成DataFrame(表)

圖 7使用鏈式操作，只需一行程式碼

3、遍歷行