|
|
51CTO旗下网站
|
|
移动端

Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

数据分析,如何能错过 Pandas 。现在,数据科学家 Roman Orac 分享了他在工作中相见恨晚的 Pandas 使用技巧。

作者:Roman Orac来源:量子位|2020-03-19 15:11

数据分析,如何能错过 Pandas 。

现在,数据科学家 Roman Orac 分享了他在工作中相见恨晚的 Pandas 使用技巧。

了解了这些技巧,能让你在学习、使用 Pandas 的时候更加高效。

Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

话不多说,一起学习一下~

Pandas实用技巧

用 Pandas 做数据分析,最大的亮点当属 DataFrame。不过,在展示成果的时候,常常需要把 DataFrame 转成另一种格式。

Pandas 在这一点上其实十分友好,只需添加一行代码。

DataFrame 转 HTML

如果你需要用 HTML 发送自动报告,那么 to_html 函数了解一下。

比如,我们先设定这样一个 DataFrame:

  1. import numpy as np 
  2. import pandas as pd 
  3. import random 
  4.  
  5. n = 10 
  6. df = pd.DataFrame( 
  7.     { 
  8.         "col1": np.random.random_sample(n), 
  9.         "col2": np.random.random_sample(n), 
  10.         "col3": [[random.randint(0, 10) for _ in range(random.randint(3, 5))] for _ in range(n)], 
  11.     } 

用上 to_html,就可以将表格转入 html 文件:

  1. df_html = df.to_html() 
  2. with open(‘analysis.html’, ‘w’) as f: f.write(df_html)  
Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

与之配套的,是 read_html 函数,可以将 HTML 转回 DataFrame。

DataFrame 转 LaTeX

如果你还没用过 LaTeX 写论文,强烈建议尝试一下。

要把 DataFrame 值转成 LaTeX 表格,也是一个函数就搞定了:

  1. df.to_latex()  
Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

DataFrame 转 Markdown

如果你想把代码放到 GitHub 上,需要写个 README。

这时候,你可能需要把 DataFrame 转成 Markdown 格式。

Pandas 同样为你考虑到了这一点:

  1. print(df.to_markdown())  
Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

注:这里还需要 tabulate 库

DataFrame 转 Excel

说到这里,给同学们提一个小问题:导师/老板/客户要你提供 Excel 格式的数据,你该怎么做?

当然是——

  1. df.to_excel(‘analysis.xlsx’) 

需要注意的是,如果你没有安装过 xlwt 和 openpyxl 这两个工具包,需要先安装一下。

另外,跟 HTML 一样,这里也有一个配套函数:read_excel,用来将excel数据导入pandas DataFrame。

DataFrame 转字符串

转成字符串,当然也没问题:

  1. df.to_string() 

5个鲜为人知的Pandas技巧

此前,Roman Orac 还曾分享过 5 个他觉得十分好用,但大家可能没有那么熟悉的 Pandas 技巧。

1、data_range

从外部 API 或数据库获取数据时,需要多次指定时间范围。

Pandas 的 data_range 覆盖了这一需求。

  1. import pandas as pd 
  2. date_from = “2019-01-01” 
  3. date_to = “2019-01-12” 
  4. date_range = pd.date_range(date_from, date_to, freq=”D”) 
  5. print(date_range) 

freq = “D”/“M”/“Y”,该函数就会分别返回按天、月、年递增的日期。

Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

2、合并数据

当你有一个名为left的DataFrame:

Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

和名为right的DataFrame:

Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

想通过关键字“key”把它们整合到一起:

Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

实现的代码是:

  1. df_merge = left.merge(righton = ‘key’, how = ‘left’, indicator = True

3、最近合并(Nearest merge)

在处理股票或者加密货币这样的财务数据时,价格会随着实际交易变化。

针对这样的数据,Pandas提供了一个好用的功能,merge_asof。

该功能可以通过最近的key(比如时间戳)合并DataFrame。

举个例子,你有一个存储报价信息的DataFrame。

Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

还有一个存储交易信息的DataFrame。

Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

现在,你需要把两个DataFrame中对应的信息合并起来。

最新报价和交易之间可能有10毫秒的延迟,或者没有报价,在进行合并时,就可以用上 merge_asof。

  1. pd.merge_asof(trades, quotes, on=”timestamp”, by=’ticker’, tolerance=pd.Timedelta(‘10ms’), direction=‘backward’)  
Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

4、创建Excel报告

在Pandas中,可以直接用DataFrame创建Excel报告。

  1. import numpy as np 
  2. import pandas as pd 
  3.  
  4. df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=["a""b""c"]) 
  5.  
  6. report_name = 'example_report.xlsx' 
  7. sheet_name = 'Sheet1' 
  8. writer = pd.ExcelWriter(report_name, engine='xlsxwriter'
  9. df.to_excel(writer, sheet_name=sheet_name, index=False

不只是数据,还可以添加图表。

  1. # define the workbook 
  2. workbook = writer.book 
  3. worksheet = writer.sheets[sheet_name] 
  4. create a chart line object 
  5. chart = workbook.add_chart({'type''line'}) 
  6. # configure the series of the chart from the spreadsheet 
  7. # using a list of values instead of category/value formulas: 
  8. #     [sheetname, first_row, first_col, last_row, last_col] 
  9. chart.add_series({ 
  10.     'categories': [sheet_name, 1, 0, 3, 0], 
  11.     'values':     [sheet_name, 1, 1, 3, 1], 
  12. }) 
  13. # configure the chart axes 
  14. chart.set_x_axis({'name''Index''position_axis''on_tick'}) 
  15. chart.set_y_axis({'name''Value''major_gridlines': {'visible'False}}) 
  16. # place the chart on the worksheet 
  17. worksheet.insert_chart('E2', chart) 
  18. output the excel file 
  19. writer.save() 

注:这里需要 XlsxWriter 库

Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

5、节省磁盘空间

Pandas在保存数据集时,可以对其进行压缩,其后以压缩格式进行读取。

先搞一个 300MB 的 DataFrame,把它存成 csv。

  1. df = pd.DataFrame(pd.np.random.randn(50000,300)) 
  2. df.to_csv(‘random_data.csv’, index=False

压缩一下试试:

  1. df.to_csv(‘random_data.gz’, compression=’gzip’, index=False

文件就变成了136MB。

Pandas还能这么玩?花式导数据、合并、压缩,数据分析更高效

gzip压缩文件可以直接读取:

  1. df = pd.read_csv(‘random_data.gz’) 

这一份Pandas技巧笔记,暂且说到这里。各位同学都做好笔记了吗?

Talk is cheap, show me the code。学会了,就用起来吧

【编辑推荐】

  1. 官方调研重磅发布,Pandas或将重构?
  2. Pandas的五项高级功能及使用方法
  3. 媲美Pandas的数据分析工具包Datatable
  4. 一行代码将Pandas加速4倍
  5. 带你一起盘点,Pandas1.0的主要功能
【责任编辑:未丽燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

秒杀高并发白话实战

秒杀高并发白话实战

主流高并发架构
共15章 | 51CTO崔皓

50人订阅学习

网络排障一点通

网络排障一点通

网络排障及优化调整案例
共20章 | 捷哥CCIE

403人订阅学习

VMware NSX 入门到实战

VMware NSX 入门到实战

网络虚拟化革命性技术
共16章 | Cloud袁

224人订阅学习

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微