数据分析-np、pd常用函数

1、isin()
作用：isin()接受一个列表，判断该列中元素是否在列表中。
（1）如果是一个序列或者数组，那么判断该位置的值，是否在整个序列或者数组中

import pandas as pd 
df = pd.DataFrame({'A':[1,2,3],'B':['a','b','f']})
df.isin([1,'2','5','f'])

（2）对pd中某一列的值做判断

df['C'] = [7,8,9]
df.C.isin([7,9,10])

2、Numpy常见运算 - np.around、np.floor、np.ceil、np.where
np.where()
（1）np.where(condition,x,y):满足条件(condition)，输出x，不满足输出y。

import numpy as np
condition = np.arange(10)
np.where(condition>5,1,0)
>>>
array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1])

（2）np.where(condition):只有条件 (condition)，没有x和y，则输出满足条件 (即非0) 元素的坐标。

import numpy as np
a = np.array([2,4,6,8,10,11])
np.where(a>5)						#返回索引
>>>
(array([2, 3, 4, 5]),)

a[np.where(a>5)] 				#等价于a[a>5]
>>>
array([ 6,  8, 10, 11])

np.around： 返回四舍五入后的值，可指定精度。
用法：around(a, decimals=0, out=None)
参数;a 输入数组，decimals 要舍入的小数位数。 默认值为0。 如果为负，整数将四舍五入到小数点左侧的位置

n = np.array([-0.746, 4.6, 9.4, 7.447, 10.455, 11.555])
np.around(n,decimals = 1)
>>>
array([-0.7,  4.6,  9.4,  7.4, 10.5, 11.6])

np.floor : 返回不大于输入参数的最大整数。 即对于输入值 x ，将返回最大的整数 i ，使得 i <= x。 注意在Python中，向下取整总是从 0 舍入。

n = np.array([-1.7, -2.5, -0.2, 0.6, 1.2, 2.7, 11])
np.floor(n)
>>>
array([-2., -3., -1.,  0.,  1.,  2., 11.])

np.ceil 函数返回输入值的上限，即对于输入 x ，返回最小的整数 i ，使得 i> = x。

n = np.array([-1.7, -2.5, -0.2, 0.6, 1.2, 2.7, 11])
np.ceil(n)
>>>
array([-1., -2., -0.,  1.,  2.,  3., 11.])

3、tqdm():进度条配置

import time
from tqdm import tqdm  
for i in tqdm(range(100)):  
    time.sleep(0.01)

4、unique()与nunique()
（1）unique()
统计list、series中的不同值的个数,返回的是list.

（2） nunique()
可直接统计dataframe中每列的不同值的个数,也可用于series,但不能用于list.返回的是不同值的个数.

df=pd.DataFrame({'A':[0,1,1],'B':[0,5,6]})
print(df.nunique())

5、sort_values()函数用途
pandas中的sort_values()函数原理类似于SQL中的order by，可以将数据集依照某个字段中的数据进行排序，该函数即可根据指定列数据也可根据指定行的数据排序。
用法：DataFrame.sort_values(by=‘##’,axis=0,ascending=True, inplace=False, na_position=‘last’)

df=pd.DataFrame({'col1':['A','A','B',np.nan,'D','C'],
                 'col2':[2,1,9,8,7,7],
                 'col3':[0,1,9,4,2,8]
})
print(df)
df.sort_values(by=['col1'],na_position='first')

6、enumerate
用法：enumerate(sequence, [start=0])
参数：sequence – 一个序列、迭代器或其他支持迭代对象。start – 下标起始位置。
返回值：返回 enumerate(枚举) 对象。

seq = ['one', 'two', 'three']
for i, element in enumerate(seq):
    print(i,element)
>>>
0 one
1 two
2 three

7、广义表head与tail的用法

df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})
print(df.head(1))
print(df.tail(1))

8、pd.drop_duplicates()
通过SQL中关键字distinct的用法来理解，根据指定的字段对数据集进行去重处理。
用法：DataFrame.drop_duplicates(subset=None, keep=‘first’, inplace=False)
参数：
subset–根据指定的列名进行去重，默认整个数据集
keep–可选{‘first’, ‘last’, False}，默认first，即默认保留第一次出现的重复值，并删去其他重复的数据，False是指删去所有重复数据。
inplace–是否对数据集本身进行修改，默认False

df=pd.DataFrame({
    'a':[1,2,4,3,3,3,4],
    'b':[2,3,3,4,4,5,3]
})
df.drop_duplicates(['a'],keep='first')			#根据a列进行去重