文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

不常见的Pandas小窍门:我打赌一定有你不知道的

2024-12-03 18:25

关注

作为一名数据分析师或数据科学家,不了解Python中的Pandas库是无论如何说不过去的,它已经成为Python中用来整理、清理数据的标准工具了。

然而,关于Pandas,你确定自己完全掌握了嘛?本文将分享一些少见但有用的Pandas技巧,它们能提升工作效率,让生活更轻松。

[[346554]]

用剪贴板创建数据框

众所周知,Pandas可以使用SQLAlchemy从CSV、JSON甚至直接从数据库轻松读取数据,但你知道Pandas还可以从所用操作系统的剪贴板读取数据吗?假设有一个包含多个数据表的Excel文件。现在,需要在Python中处理其中一个表的部分数据。你通常会怎么做?

当然,其实有种更简单的方法——pd.read_clipboard()。

如上所示,如果只是想要将一些数据加载到Pandas中,那么无需CSV或Excel的分离文件。

在该函数中还有一些小窍门。例如,当遇到带有日期格式的数据时,可能无法正确加载,如下所示:

诀窍就是,为Pandas注明哪一列是需要解析的日期格式。

  1. df = pd.read_clipboard(parse_dates=['dob']) 

使用测试方法生成虚拟数据

有时可能需要生成一些样本数据帧,最常见的方法应该是使用NumPy生成一个具有随机值的数组,然后从该数组生成数据帧。

如果数据需要具有一定的分布,比如正态分布,就必须使用这种方法。但是,大多数情况下,数据是否呈正态分布并不重要,只要有数据就好。在这种情况下,有一种更简单的方法,即使用pandas.util.testing测试包生成样本数据帧。

  1. pd.util.testing.makeDataFrame() 

数据帧的索引将使用随机字符串生成,默认情况下将有4列30行。

如果需要数量相当的行和列,可以将testing.N定义为行数,并将testing.K定义为列数。

  1. pd.util.testing.N = 10 
  2. pd.util.testing.K = 5 
  3. pd.util.testing.makeDataFrame() 

将数据帧输出至压缩文件

[[346555]]

图源:unsplash

数据帧可以轻松输出至文件,例如以df.to_csv()、df.to_json()等形式。但有时,为节省磁盘空间或另作它用,需要压缩文件。例如,作为一名数据工程师,为了将Pandas数据帧输出到CSV文件中,并将其传输到远程服务器,在发送前需要压缩文件以节省空间和带宽。

通常,一贯的解决方案是在所用调度工具(如Airflow或Oozie)中多操作一步,但Pandas可以直接输出压缩文件。所以,解决方案几步就可完成,更加简洁明了。

先使用第二个小窍门生成随机数据帧吧:

  1. pd.util.testing.N = 100000 
  2. pd.util.testing.K = 5 
  3. df = pd.util.testing.makeDataFrame() 

在该例子中,仅需要一个数据框架,其中的值可完全不计。现在,将数据帧保存到一个CSV文件中,并检查其大小。

  1. import osdf.to_csv('sample.csv')os.path.getsize('sample.csv') 

然后,可以试试将相同的数据帧输出到压缩文件中,并检查文件的大小。

  1. df.to_csv('sample.csv.gz', compression='gzip')os.path.getsize('sample.csv.gz') 

可以看到,压缩文件小于正常CSV文件的一半。

这可能不是一个好例子,因为该随机数据帧中没有任何重复值。在实践中,如果存在分类值,压缩率会非常高!顺便一提,如你所想,Pandas可以直接将压缩文件读入数据帧,无须在文件系统中解压它。

  1. df = pd.read_csv('sample.csv.gz', compression='gzip'index_col=0

gzip是优先选择,因为它默认存在于大多数Linux系统中。Pandas还支持其它压缩格式,比如“zip”和“bz2”。

多列获取DateTime(时间日期)

[[346556]]

图源:unsplash

在Pandas中,你一定用过pd.to_datetime()方法将某种字符串转换为DateTime格式,这通常用于处理诸如%Y%m%d的格式字符串。然而,也有时可能会使用下方所示的数据框架作为原始数据。

  1. df = pd.DataFrame({ 
  2.     'year': np.arange(2000, 2012), 
  3.     'month': np.arange(1, 13), 
  4.     'day': np.arange(1, 13), 
  5.     'value': np.random.randn(12) 
  6. }) 

在数据框架中,将年、月、日作为单独列分隔开来屡见不鲜,可以使用pd.to_dateframe()将其一步转换为DateTime列。

  1. df['date'] = pd.to_datetime(df[['year', 'month', 'day']]) 

本文分享了一些关于Pandas Python库的省时小窍门。简而言之,人生苦短,Python值得。

 

来源:今日头条内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯