免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

文章的數(shù)據(jù)和代碼都已上傳至我的github倉庫：https://github.com/CNFeffery/DataScienceStudyNotes

一、簡介

pandas提供了很多方便簡潔的方法，用于對單列、多列數(shù)據(jù)進行批量運算或分組聚合運算，熟悉這些方法后可極大地提升數(shù)據(jù)分析的效率，也會使得你的代碼更加地優(yōu)雅簡潔。

本文就將針對pandas中的map()、apply()、applymap()、groupby()、agg()等方法展開詳細介紹，并結(jié)合實際例子幫助大家更好地理解它們的使用技巧。

二、非聚合類方法

這里的非聚合指的是數(shù)據(jù)處理前后沒有進行分組操作，數(shù)據(jù)列的長度沒有發(fā)生改變，因此本章節(jié)中不涉及groupby()。

首先讀入數(shù)據(jù)，這里使用到的全美嬰兒姓名數(shù)據(jù)，包含了1880-2018年全美每年對應(yīng)每個姓名的新生兒數(shù)據(jù)，在jupyterlab中讀入數(shù)據(jù)并打印數(shù)據(jù)集的一些基本信息以了解我們的數(shù)據(jù)集：

#查看各列數(shù)據(jù)類型、數(shù)據(jù)框行列數(shù)
print(data.dtypes)
print()
print(data.shape)

2.1 map()

類似Python內(nèi)建的map()方法，pandas中的map()方法將函數(shù)、字典索引或是一些需要接受單個輸入值的特別的對象與對應(yīng)的單個列的每一個元素建立聯(lián)系并串行得到結(jié)果。

譬如這里我們想要得到gender列的F、M轉(zhuǎn)換為女性、男性的新列，可以有以下幾種實現(xiàn)方式：

• 字典映射

這里我們編寫F、M與女性、男性之間一一映射的字典，再利用map()方法來得到映射列：

• lambda函數(shù)

這里我們向map()中傳入lambda函數(shù)來實現(xiàn)所需功能：

#因為已經(jīng)知道數(shù)據(jù)gender列性別中只有F和M所以編寫如下lambda函數(shù)
data.gender.map(lambda x:'女性' if x is 'F' else '男性')

• 常規(guī)函數(shù)

也可以傳入def定義的常規(guī)函數(shù)：

map()可以傳入的內(nèi)容有時候可以很特殊，如下面的例子：

• 特殊對象

一些接收單個輸入值且有輸出的對象也可以用map()方法來處理：

data.gender.map('This kid's gender is {}'.format)

map()還有一個參數(shù)na_action，類似R中的na.action，取值為None或ingore，用于控制遇到缺失值的處理方式，設(shè)置為ingore時串行運算過程中將忽略Nan值原樣返回。

2.2 apply()

apply()堪稱pandas中最好用的方法，其使用方式跟map()很像，主要傳入的主要參數(shù)都是接受輸入返回輸出。

但相較于map()針對單列Series進行處理，一條apply()語句可以對單列或多列進行運算，覆蓋非常多的使用場景。

下面我們來分別介紹：

• 單列數(shù)據(jù)

這里我們參照2.1向apply()中傳入lambda函數(shù)：

可以看到這里實現(xiàn)了跟map()一樣的功能。

• 輸入多列數(shù)據(jù)

apply()最特別的地方在于其可以同時處理多列數(shù)據(jù)，我們先來了解一下如何處理多列數(shù)據(jù)輸入單列數(shù)據(jù)輸出的情況。

譬如這里我們編寫一個使用到多列數(shù)據(jù)的函數(shù)用于拼成對于每一行描述性的話，并在apply()用lambda函數(shù)傳遞多個值進編寫好的函數(shù)中（當調(diào)用DataFrame.apply()時，apply()在串行過程中實際處理的是每一行數(shù)據(jù)，而不是Series.apply()那樣每次處理單個值）。

注意在處理多個值時要給apply()添加參數(shù)axis=1：

def generate_descriptive_statement(year, name, gender, count):
    year, count = str(year), str(count)
    gender = '女性' if gender is 'F' else '男性'
    
    return '在{}年，叫做{}性別為{}的新生兒有{}個。'.format(year, name, gender, count)

data.apply(lambda row:generate_descriptive_statement(row['year'],
                                                      row['name'],
                                                      row['gender'],
                                                      row['count']),
           axis = 1)

• 輸出多列數(shù)據(jù)

有些時候我們利用apply()會遇到希望同時輸出多列數(shù)據(jù)的情況，在apply()中同時輸出多列時實際上返回的是一個Series，這個Series中每個元素是與apply()中傳入函數(shù)的返回值順序?qū)?yīng)的元組。

比如下面我們利用apply()來提取name列中的首字母和剩余部分字母：

可以看到，這里返回的是單列結(jié)果，每個元素是返回值組成的元組，這時若想直接得到各列分開的結(jié)果，需要用到zip(*zipped)來解開元組序列，從而得到分離的多列返回值：

a, b = zip(*data.apply(lambda row: (row['name'][0], row['name'][1:]), axis=1))
print(a[:10])
print(b[:10])

• 結(jié)合tqdm給apply()過程添加進度條

我們知道apply()在運算時實際上仍然是一行一行遍歷的方式，因此在計算量很大時如果有一個進度條來監(jiān)視運行進度就很舒服。

tqdm:用于添加代碼進度條的第三方庫

tqdm對pandas也是有著很好的支持。

我們可以使用progress_apply()代替apply()，并在運行progress_apply()之前添加tqdm.tqdm.pandas(desc='')來啟動對apply過程的監(jiān)視。

其中desc參數(shù)傳入對進度進行說明的字符串，下面我們在上一小部分示例的基礎(chǔ)上進行改造來添加進度條功能：

可以看到在jupyter lab中運行程序的過程中，下方出現(xiàn)了監(jiān)視過程的進度條，這樣就可以實時了解apply過程跑到什么地方了。

• 結(jié)合tqdm_notebook()給apply()過程添加美觀進度條

熟悉tqdm的朋友都知道其針對jupyter notebook開發(fā)了ui更加美觀的tqdm_notebook()。

而要想在jupyter notebook/jupyter lab平臺上為pandas的apply過程添加美觀進度條，可以參照如下示例：

from tqdm._tqdm_notebook import tqdm_notebook

tqdm_notebook.pandas(desc='apply')
data.progress_apply(lambda row:generate_descriptive_statement(row['year'],
                                                      row['name'],
                                                      row['gender'],
                                                      row['count']),
          axis = 1)

這時所添加的進度條就美觀了不少。

2.3  applymap()

applymap()是與map()方法相對應(yīng)的專屬于DataFrame對象的方法，類似map()方法傳入函數(shù)、字典等，傳入對應(yīng)的輸出結(jié)果。

不同的是applymap()將傳入的函數(shù)等作用于整個數(shù)據(jù)框中每一個位置的元素，因此其返回結(jié)果的形狀與原數(shù)據(jù)框一致。

譬如下面的簡單示例，我們把嬰兒姓名數(shù)據(jù)中所有的字符型數(shù)據(jù)消息小寫化處理，對其他類型則原樣返回：

其形狀沒有變化:

配合applymap()，可以簡潔地完成很多數(shù)據(jù)處理操作。

三、聚合類方法

有些時候我們需要像SQL里的聚合操作那樣將原始數(shù)據(jù)按照某個或某些離散型的列進行分組再求和、平均數(shù)等聚合之后的值，在pandas中分組運算是一件非常優(yōu)雅的事。

3.1 利用groupby()進行分組

要進行分組運算第一步當然就是分組，在pandas中對數(shù)據(jù)框進行分組使用到groupby()方法。

其主要使用到的參數(shù)為by，這個參數(shù)用于傳入分組依據(jù)的變量名稱，當變量為1個時傳入名稱字符串即可。

當為多個時傳入這些變量名稱列表，DataFrame對象通過groupby()之后返回一個生成器，需要將其列表化才能得到需要的分組后的子集，如下面的示例：

#按照年份和性別對嬰兒姓名數(shù)據(jù)進行分組
groups = data.groupby(by=['year','gender'])
#查看groups類型
type(groups)

可以看到它此時是生成器，下面我們用列表解析的方式提取出所有分組后的結(jié)果：

查看其中的一個元素：

可以看到每一個結(jié)果都是一個二元組，元組的第一個元素是對應(yīng)這個分組結(jié)果的分組組合方式，第二個元素是分組出的子集數(shù)據(jù)框，而對于DataFrame.groupby()得到的結(jié)果。

主要可以進行以下幾種操作：

• 直接調(diào)用聚合函數(shù)

譬如這里我們提取count列后直接調(diào)用max()方法：

#求每個分組中最高頻次
data.groupby(by=['year','gender'])['count'].max()

注意這里的year、gender列是以索引的形式存在的，想要把它們還原回數(shù)據(jù)框，使用reset_index(drop=False)即可：

• 結(jié)合apply()

分組后的結(jié)果也可以直接調(diào)用apply()，這樣可以編寫更加自由的函數(shù)來完成需求，譬如下面我們通過自編函數(shù)來求得每年每種性別出現(xiàn)頻次最高的名字及對應(yīng)頻次。

要注意的是，這里的apply傳入的對象是每個分組之后的子數(shù)據(jù)框，所以下面的自編函數(shù)中直接接收的df參數(shù)即為每個分組的子數(shù)據(jù)框：

3.2 利用agg()進行更靈活的聚合

agg即aggregate，聚合，在pandas中可以利用agg()對Series、DataFrame以及groupby()后的結(jié)果進行聚合。

其傳入的參數(shù)為字典，鍵為變量名，值為對應(yīng)的聚合函數(shù)字符串，譬如{'v1':['sum','mean'], 'v2':['median','max','min]}就代表對數(shù)據(jù)框中的v1列進行求和、均值操作，對v2列進行中位數(shù)、最大值、最小值操作。

下面用幾個簡單的例子演示其具體使用方式：

• 聚合Series

在對Series進行聚合時，因為只有1列，所以可以不使用字典的形式傳遞參數(shù)，直接傳入函數(shù)名列表即可：

#求count列的最小值、最大值以及中位數(shù)
data['count'].agg(['min','max','median'])

• 聚合數(shù)據(jù)框

對數(shù)據(jù)框進行聚合時因為有多列，所以要使用字典的方式傳入聚合方案：

值得注意的是，因為上例中對于不同變量的聚合方案不統(tǒng)一，所以會出現(xiàn)NaN的情況。

• 聚合groupby()結(jié)果

data.groupby(['year','gender']).agg({'count':['min','max','median']}).reset_index(drop=False)

可以注意到雖然我們使用reset_index()將索引列還原回變量，但聚合結(jié)果的列名變成紅色框中奇怪的樣子，而在pandas 0.25.0以及之后的版本中，可以使用pd.NamedAgg()來為聚合后的每一列賦予新的名字：

以上就是本文全部內(nèi)容，如有筆誤望指出！