10招！看骨灰级Pythoner如何玩转Python

全文共3230字，预计学习时长9分钟

pandas是基于numpy构建的，使数据分析工作变得更快更简单的高级数据结构和操作工具。本文为大家带来10个玩转Python的小技巧，学会了分分钟通关变大神！

read_csv

每个人都知道这个命令。但如果你要读取很大的数据，尝试添加这个参数：nrows = 5，以便在实际加载整个表之前仅读取表的一小部分。然后你可以通过选择错误的分隔符来避免错误（它不一定总是以逗号分隔）。

（或者，你可以在linux中使用'head'命令来检查任何文本文件中的前5行，例如：head -c 5 data.txt）

select_dtypes

如果必须在Python中进行数据预处理，那么这个命令可以节约一些时间。读取表后，每列的默认数据类型可以是bool，int64，float64，object，category，timedelta64或datetime64。你可以先查看

命令分发的结果以了解数据帧的所有可能数据类型，然后执行

选择仅具有数字特征的子数据帧。

Copy

这是一个重要的命令。如果执行以下命令：

你会发现df1已经改变了。这是因为df2 = df1没有复制df1的值并将其分配给df2，而是设置指向df1的指针。因此，df2的任何变化都会导致df1发生变化 要解决这个问题，你可以：

= df1.copy()

或者

Map

这是一个可以进行简单数据转换的命令。首先定义一个字典，其中'keys'是旧值，'values'是新值。

举几个例子：True，False为1,0（用于建模）; 定义水平; 用户定义的词法编码。

apply or not apply?

如果我们想创建一个新的列，并将其他列作为输入，那么apply函数有时非常有用。

在上面的代码中，我们定义了一个带有两个输入变量的函数，并使用apply函数将其应用于列'c1'和'c2'。

但“apply函数”的问题是它有时太慢了。 如果你想计算两列“c1”和“c2”的最大值，你可以：

但你会发现它比这个命令慢得多：

注意：如果可以使用其他内置函数完成相同的工作（它们通常更快），请不要使用apply。例如，如果要将列'c'舍入为整数，请执行round（df ['c']，0）而非使用apply函数：

value counts

这是一个检查值分布的命令。例如，如果你想检查“c”列中每个值的可能值和频率，可以执行以下操作

它有一些有用的技巧/参数：

缺失值的数量

构建模型时，你可能希望排除具有很多缺失值或全是缺失值的行。你可以使用.isnull（）和.sum（）来计算指定列中缺失值的数量。

选择具有特定ID的行

在SQL中，我们可以使用SELECT * FROM ... WHERE ID（'A001'，'C022'，...）来获取具有特定ID的记录。如果想用Pandas做同样的事情，你可以

Percentile groups

你有一个数字列，并希望将该列中的值分类为组，例如将列的前5％，分为组1，前5-20％分为组2，前20％-50％分为组3，最后50％分为组4。当然，你可以用pandas.cut来做，但这里提供另一个选择：

这个指令使计算机运行的非常快（没有使用应用功能）。

to_csv

这也是每个人都会使用的命令。这里指出两个技巧。 第一个是

你可以使用此命令准确地打印出写入文件的前五行数据。

另一个技巧是处理混合在一起的整数和缺失值。如果列同时包含缺失值和整数，则数据类型仍将是float而不是int。导出表时，可以添加float_format ='％。0f'将所有浮点数舍入为整数。如果只想要所有列的整数输出，请使用此技巧，你将摆脱所有令人苦恼的'.0'。

留言 点赞 发个朋友圈

我们一起分享AI学习与发展的干货

编译组：张怡雯、陈孔亮