点击上方"蓝字"关注咱们web
记录 分享 成长微信
1 简介
pandas做为开展数据分析的利器，蕴含了与数据处理相关的丰富多样的API，使得咱们能够灵活方便地对数据进行各类加工，但不少pandas中的实用方法其实大部分人都是不知道的，今天就来给你们介绍6个不太为人们所所熟知的实用pandas小技巧。app
2 6个实用的pandas小知识
2.1 Series与DataFrame的互转
不少时候咱们计算过程当中产生的结果是Series格式的，而接下来的不少操做尤为是使用「链式」语法时，须要衔接着传入DataFrame格式的变量，这种时候咱们就可使用到pandas中Series向DataFrame转换的方法：less
-
「利用to_frame()实现Series转DataFrame」
s = pd.Series([0, 1, 2])
# Series转为DataFrame，name参数用于指定转换后的字段名
s = s.to_frame(name='列名')
s
顺便介绍一下单列数据组成的数据框转为Series的方法：dom
-
「利用squeeze()实现单列数据DataFrame转Series」
# 只有单列数据的DataFrame转为Series
s.squeeze()
2.2 随机打乱DataFrame的记录行顺序
有时候咱们须要对数据框总体的行顺序进行打乱，譬如在训练机器学习模型时，打乱原始数据顺序后取前若干行做为训练集后若干行做为测试集，这在pandas中能够利用sample()方法快捷实现。机器学习
sample()方法的本质功能是从原始数据中抽样行记录，默认为不放回抽样，其参数frac用于控制抽样比例，咱们将其设置为1则等价于打乱顺序：编辑器
df = pd.DataFrame({
'V1': range(5),
'V2': range(5)
})
df.sample(frac=1)
2.3 利用类别型数据减小内存消耗
当咱们的数据框中某些列是由少数几种值大量重复造成时，会消耗大量的内存，就像下面的例子同样：学习
import numpy as np
pool = ['A', 'B', 'C', 'D']
# V1列由ABCD大量重复造成
df = pd.DataFrame({
'V1': np.random.choice(pool, 1000000)
})
# 查看内存使用状况
df.memory_usage(deep=True)
这种时候咱们可使用到pandas数据类型中的类别型来极大程度上减少内存消耗：测试
df['V1'] = df['V1'].astype('category')
df.memory_usage(deep=True)
能够看到，转换类型以后内存消耗减小了将近98.3%！大数据
2.4 pandas中的object类型陷阱
在平常使用pandas处理数据的过程当中，常常会遇到object这种数据类型，不少初学者都会把它视为字符串，事实上object在pandas中能够表明不肯定的数据类型，即类型为object的Series中能够混杂着多种数据类型：
s = pd.Series(['111100', '111100', 111100, '111100'])
s
查看类型分布：
s.apply(lambda s: type(s))
这种状况下，若是贸然看成字符串列来处理，对应的没法处理的元素只会变成缺失值而不报错，给咱们的分析过程带来隐患：
s.str.replace('00', '11')
这种时候就必定要先转成对应的类型，再执行相应的方法：
s.astype('str').str.replace('00', '11')
2.5 快速判断每一列是否有缺失值
在pandas中咱们能够对单个Series查看hanans属性来了解其是否包含缺失值，而结合apply()，咱们就能够快速查看整个数据框中哪些列含有缺失值：
df = pd.DataFrame({
'V1': [1, 2, None, 4],
'V2': [1, 2, 3, 4],
'V3': [None, 1, 2, 3]
})
df.apply(lambda s: s.hasnans)
2.6 使用rank()计算排名时的五种策略
在pandas中咱们能够利用rank()方法计算某一列数据对应的排名信息，但在rank()中有参数method来控制具体的结果计算策略，有如下5种策略，在具体使用的时候要根据须要灵活选择：
-
「average」
在average策略下，相同数值的元素的排名是其内部排名的均值：
s = pd.Series([1, 2, 2, 2, 3, 4, 4, 5, 6])
s.rank(method='average')
-
「min」
在min策略下，相同元素的排名为其内部排名的最小值：
s.rank(method='min')
-
「max」
max策略与min正好相反，取的是相同元素内部排名的最大值：
s.rank(method='max')
-
「dense」
在dense策略下，至关于对序列去重后进行排名，再将每一个元素的排名赋给相同的每一个元素，这种方式也是比较贴合实际需求的：
s.rank(method='dense')
-
「first」
在first策略下，当多个元素相同时，会根据这些相同元素在实际Series中的顺序分配排名：
s = pd.Series([2, 2, 2, 1, 3])
s.rank(method='first')
关于pandas还有不少实用的小知识，之后会慢慢给你们不按期分享~欢迎在评论区与我进行讨论
咱们的知识星球【Python大数据分析】
限时优惠中（还有4天）！扫码领券
年费立减20，仅需59元~
快来一块儿玩转数据分析吧🚀🚀🚀
Python大数据分析
data creates value
扫码关注咱们
本文分享自微信公众号 - Python大数据分析（pydatas）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。