江苏龙网

  1. 首页 > 人文 > >

『』效率惊人！三大相见恨晚的Pandas函数


全文共1440字 ， 预计学习时长6分钟
『』效率惊人！三大相见恨晚的Pandas函数
本文插图
图源：unsplash
数据科学领域如此之广 ， 鲜少有人能精通所有语言、数据库 ， 笔者尽管已经从事了该行业数年之久 ， 但仍然所知不多 。 学无止境 ， 变得优秀的方法就是不停下学习的脚步 。
在Pandas中 ， 一些函数意义纯粹 ， 但也有一些函数指的是使用Pandas的方式 ， 以及为什么一种方法比另一种更好 。 这儿有一些节省大量的时间和精力Pandas函数和使用方法 ， 这些效率惊人的神器千万不要错过 。
『』效率惊人！三大相见恨晚的Pandas函数
本文插图
itertuples（）
确实 ， 它并不是纯粹的函数 ， 而是指使用Pandas的更有效方法 ， 是循环访问数据集的快捷方法 。 在花时间理解注释部分之前 ， 可以用更有效的方法计算总列值 ， 在此笔者仅提出一些要点 。
下面是一列简单数据集 ， 数字范围为1到1百万 。
df =pd.DataFrame(data=http://news.hoteastday.com/a/{'Number': range(1, 1000000) })
这是前几行的示例：
『』效率惊人！三大相见恨晚的Pandas函数
本文插图
现在列举一个错误的方式 。 输入一个总计变量并将其设置为0. 然后 ， 通过使用iterrows（）循环访问数据集 ， 并在total的基础上增加当前行的值 ， 与此同时统计操作时间 。 以下是代码：
%%timetotal= 0for _, row in df.iterrows(): total += row['Number'] total>>> Wall time: 18.7 s
这项小小的操作历时将近19秒 ， 而现在有一个更快捷的方法 ， 与上述操作大致相同 ， 但要加iteruples 而不是 iterrows：
%%timetotal= 0for row in df.itertuples(index=False): total += row.Number total>>> Wall time: 82.1 ms
笔者没有计算时间 ， 但可以看到操作速度提高非常明显 。 下次执行循环时请记住这一点 。
『』效率惊人！三大相见恨晚的Pandas函数
本文插图
nlargest（）和nsmallest（）
笔者计算了两个纬度/经度对之间的距离（以公里为单位） 。 那是第一步操作 ， 第二步是选择距离最小的前N条记录 。
『』效率惊人！三大相见恨晚的Pandas函数
本文插图
图源：unsplash
输入-nsmallest（） 。 nlargest（）将返回N个最大值 ， 而nsmallest（）将恰好相反 。
看看它的实际结果 。 在实际操作中 ， 笔者准备了一个小的数据集：
df =pd.DataFrame(data=http://news.hoteastday.com/a/{'Name': ['Bob', 'Mark', 'Josh','Anna', 'Peter', 'Dexter'], 'Points': [37, 91, 66, 42, 99, 81] })
结果如下：
『』效率惊人！三大相见恨晚的Pandas函数
本文插图
现在该数据集不是仅仅6行 ， 而是包含了6000行 ， 为了找到表现最好的学生 ， 即分数最高 ， 一种方法是这样的：
df['Points'].nlargest(3)
但这不是最佳解决方案 ， 它会导致以下结果 ， 没有清楚显示真实姓名：
改善方法如下：
df.nlargest(3,columns='Points')
怎么样 ， 是不是看起来更棒了：
『』效率惊人！三大相见恨晚的Pandas函数
本文插图
以几乎相同的操作来找到3个表现最差的学生-使用nsmallest（）功能：
df.nsmallest(3,columns='Points')


推荐阅读


上一篇：「小徐的生活分享」那飞机票还能退吗？看完终于明白了，如果有事没赶上飞机

下一篇：大洋网▲我走投无路了！”杀人犯逃亡24年后自首，“没有绿码