我們都知道，Numpy 是 Python 環境下的擴展程序庫，支持大量的維度數組和矩陣運算；Pandas 也是 Python 環境下的數據操作和分析軟件包，以及強大的數據分析庫。二者在日常的數據分析中都發揮著重要作用，如果沒有 Numpy 和 Pandas 的支持，數據分析將變得異常困難。但有時我們需要加快數據分析的速度，有什么辦法可以幫助到我們嗎？
在本文中，為我們介紹了 12 種 Numpy 和 Pandas 函數，這些高效的函數會令數據分析更為容易、便捷。
Numpy 的 6 種高效函數
首先從 Numpy 開始。Numpy 是用于科學計算的 Python 語言擴展包，通常包含強大的 N 維數組對象、復雜函數、用于整合 C/C++和 Fortran 代碼的工具以及有用的線性代數、傅里葉變換和隨機數生成能力。
除了上面這些明顯的用途，Numpy 還可以用作通用數據的高效多維容器(container)，定義任何數據類型。這使得 Numpy 能夠實現自身與各種數據庫的無縫、快速集成。
接下來一一解析 6 種 Numpy 函數。
argpartition()
借助于 argpartition()，Numpy 可以找出 N 個最大數值的索引，也會將找到的這些索引輸出。然后我們根據需要對數值進行排序。
allclose()
allclose() 用于匹配兩個數組，并得到布爾值表示的輸出。如果在一個公差范圍內(within a tolerance)兩個數組不等同，則 allclose() 返回 False。該函數對于檢查兩個數組是否相似非常有用。
>>> array1 = np.array([0.12,0.17,0.24,0.29])
>>> array2 = np.array([0.13,0.19,0.26,0.31])# with a tolerance of 0.1, it should return False:
>>> np.allclose(array1,array2,0.1)
False# with a tolerance of 0.2, it should return True:
>>> np.allclose(array1,array2,0.2)
True
clip()
Clip() 使得一個數組中的數值保持在一個區間內。有時，我們需要保證數值在上下限范圍內。為此，我們可以借助 Numpy 的 clip() 函數實現該目的。給定一個區間，則區間外的數值被剪切至區間上下限(interval edge)。
extract()
顧名思義，extract() 是在特定條件下從一個數組中提取特定元素。借助于 extract()，我們還可以使用 and 和 or 等條件。
# Random integers
>>> array = np.random.randint(20, size=12)
>>> array
array([ 0, 1, 8, 19, 16, 18, 10, 11, 2, 13, 14, 3])# Divide by 2 and check if remainder is 1
>>> cond = np.mod(array, 2)==1
>>> cond
array([False, True, False, True, False, False,
False, True, False, True, False, True])# Use extract to get the values
>>> np.extract(cond, array)
array([ 1, 19, 11, 13, 3])# Apply condition on extract directly
>>> np.extract(((array < 3) | (array > 15)), array)
array([ 0, 1, 19, 16, 18, 2])
where()
Where() 用于從一個數組中返回滿足特定條件的元素。比如，它會返回滿足特定條件的數值的索引位置。Where() 與 SQL 中使用的 where condition 類似，如以下示例所示：
>>> y = np.array([1,5,6,8,1,7,3,6,9]) # Where y is greater than 5, returns index position
>>> np.where(y>5)
array([2, 3, 5, 7, 8], dtype=int64) # First will replace the values that match the condition,
# second will replace the values that does not
>>> np.where(y>5, "Hit", "Miss")
array(['Miss', 'Miss', 'Hit', 'Hit', 'Miss',
'Hit', 'Miss', 'Hit', 'Hit'],
dtype='<U4')
percentile()
Percentile() 用于計算特定軸方向上數組元素的第 n 個百分位數。
>>> a = np.array([1,5,6,8,1,7,3,6,9])
>>> print("50th Percentile of a, axis = 0 : ",
... np.percentile(a, 50, axis =0))
50th Percentile of a, axis = 0 : 6.0
>>> b = np.array([[10, 7, 4], [3, 2, 1]])
>>> print("30th Percentile of b, axis = 0 : ",
... np.percentile(b, 30, axis =0))
30th Percentile of b, axis = 0 : [5.1 3.5 1.9]
這就是 Numpy 擴展包的 6 種高效函數，相信會為你帶來幫助。接下來看一看 Pandas 數據分析庫的 6 種函數。
Pandas 數據統計包的 6 種高效函數
Pandas 也是一個 Python 包，它提供了快速、靈活以及具有顯著表達能力的數據結構， 旨在使處理結構化 (表格化、多維、異構) 和時間序列數據變得既簡單又直觀。
Pandas 適用于以下各類數據：
具有異構類型列的表格數據，如 SQL 表或 Excel 表
有序和無序 (不一定是固定頻率) 的時間序列數據
帶有行/列標簽的任意矩陣數據(同構類型或者是異構類型)
其他任意形式的統計數據集。事實上，數據根本不需要標記就可以放入 Pandas 結構中
Pandas 擅長處理的類型如下所示：
容易處理浮點數據和非浮點數據中的 缺失數據(用 NaN 表示)
大小可調整性：可以從 DataFrame 或者更高維度的對象中插入或者是刪除列
顯式數據可自動對齊：對象可以顯式地對齊至一組標簽內，或者用戶可以簡單地選擇忽略標簽，使 Series、 DataFrame 等自動對齊數據
靈活的分組功能，對數據集執行拆分-應用-合并等操作，對數據進行聚合和轉換
簡化將數據轉換為 DataFrame 對象的過程，而這些數據基本是 Python 和 NumPy 數據結構中不規則、不同索引的數據
基于標簽的智能切片、索引以及面向大型數據集的子設定
更加直觀地合并以及連接數據集
更加靈活地重塑、轉置(pivot)數據集
軸的分級標記 (可能包含多個標記)
具有魯棒性的 IO 工具，用于從平面文件 (CSV 和 delimited)、 Excel 文件、數據庫中加在數據，以及從 HDF5 格式中保存 / 加載數據
時間序列的特定功能：數據范圍的生成以及頻率轉換、移動窗口統計、數據移動和滯后等
read_csv(nrows=n)
大多數人都會犯的一個錯誤是，在不需要.csv 文件的情況下仍會完整地讀取它。如果一個未知的.csv 文件有 10GB，那么讀取整個.csv 文件將會非常不明智，不僅要占用大量內存，還會花很多時間。我們需要做的只是從.csv 文件中導入幾行，之后根據需要繼續導入。
import io
import requests
# I am using this online data set just to make things easier for you guys
url = "https://raw.github.com/vincentarelbundock/Rdatasets/master/csv/datasets/AirPassengers.csv"
s = requests.get(url).content# read only first 10 rows
df = pd.read_csv(io.StringIO(s.decode('utf-8')),nrows=10 , index_col=0)
map()
map() 函數根據相應的輸入來映射 Series 的值。用于將一個 Series 中的每個值替換為另一個值，該值可能來自一個函數、也可能來自于一個 dict 或 Series。
apply()
apply() 允許用戶傳遞函數，并將其應用于 Pandas 序列中的每個值。
isin()
lsin () 用于過濾數據幀。Isin () 有助于選擇特定列中具有特定(或多個)值的行。
copy()
Copy () 函數用于復制 Pandas 對象。當一個數據幀分配給另一個數據幀時，如果對其中一個數據幀進行更改，另一個數據幀的值也將發生更改。為了防止這類問題，可以使用 copy () 函數。
select_dtypes()
select_dtypes() 的作用是，基于 dtypes 的列返回數據幀列的一個子集。這個函數的參數可設置為包含所有擁有特定數據類型的列，亦或者設置為排除具有特定數據類型的列。
最后，pivot_table() 也是 Pandas 中一個非常有用的函數。如果對 pivot_table() 在 excel 中的使用有所了解，那么就非常容易上手了。
# Create a sample dataframe
school = pd.DataFrame({'A': ['Jay', 'Usher', 'Nicky', 'Romero', 'Will'],
'B': ['Masters', 'Graduate', 'Graduate', 'Masters', 'Graduate'],
'C': [26, 22, 20, 23, 24]})# Lets create a pivot table to segregate students based on age and course
table = pd.pivot_table(school, values ='A', index =['B', 'C'],
columns =['B'], aggfunc = np.sum, fill_value="Not Available")
table
京公網安備 11010802030320號