Python是當今世界*熱門的編程語言，而它*的應用領域就是使用 Pandas 數(shù)據(jù)分析，使用 Pandas 我們可以 Excel/CSV/TXT/MySQL 等數(shù)據(jù)讀取，然后進行各種清洗、過濾、透視、聚合分析，也可以直接繪制折線圖、餅圖等數(shù)據(jù)分析圖表，在功能上它能夠?qū)崿F(xiàn)自動化的對大文件處理，能夠?qū)崿F(xiàn)Excel的幾乎所有功能并且更加強大。

對數(shù)學專業(yè)的人來說，Pandas可以作為一個*的數(shù)據(jù)分析切入點。下面融躍小編為大家介紹12種用于數(shù)據(jù)分析的Pandas技巧。

1. Boolean Indexing

在表格中，如果你想根據(jù)另一列的條件篩選當前列的值，你會怎么做？舉個例子，假設我們想要一份所有未畢業(yè)但已經(jīng)辦理了貸款的女性清單，具體的操作是什么？在這種情況下，Boolean Indexing，也就是布爾索引能提供相應的功能。

2. Apply Function

Apply函數(shù)是使用數(shù)據(jù)和創(chuàng)建新變量的常用函數(shù)之一。在對DataFrame的特定行/列應用一些函數(shù)后，它會返回相應的值。這些函數(shù)既可以是默認的，也可以是用戶自定義的。

3. 替換缺失值

對于替換缺失值，fillna可以一步到位，它會用目標列的平均值/眾數(shù)/中位數(shù)更新缺失值。

4. Pivot Table

Pandas可以用來創(chuàng)建MS Excel樣式數(shù)據(jù)透視表（Pivot Table）。

5. Multi-Indexing

如果你仔細觀察了“替換缺失值”那一節(jié)的輸出，你可能會發(fā)現(xiàn)一個奇怪的現(xiàn)象，就是每個索引都由3個值組合而成。這被稱為多重索引（Multi-Indexing），它有助于操作的快速執(zhí)行。

注：

多索引需要元組來定義loc語句中的索引組。這是一個在函數(shù)中要用到的元組。

values [0]的后綴是必需的，因為默認情況下返回的值與DataFrame的值不匹配。在這種情況下，直接分配會出現(xiàn)錯誤。

Python

6. Crosstab

這個函數(shù)可以被用來塑造對數(shù)據(jù)的初始“感覺（概覽）”，通俗地講，就是我們可以驗證一些基本假設。如在貸款案例中，“Credit_History”是否會影響個人貸款成功？這可以用交叉表（Crosstab）測試，

7. 合并DataFrame

當我們需要將來自不同來源的信息進行整合時，合并DataFrame（或者你們愛說數(shù)據(jù)框）就變得很重要了。

8. DataFrame排序

Pandas可以輕松基于多列進行排序。

9. 繪圖（Boxplot和直方圖）

很多人可能不知道自己能直接在Pandas里繪制盒形圖和直方圖，無需單獨調(diào)用matplotlib，一行命令就能搞定。

10. Cut function for binning

有時候聚類后的數(shù)據(jù)會更有意義。以今天*近車禍頻發(fā)的自動駕駛汽車為例，如果我們要用它捕獲的數(shù)據(jù)重現(xiàn)某條路上的交通情況，比起一整天的流暢數(shù)據(jù)，或是把一天均勻分割為24個小時，“早上”“下午”“晚上”“夜晚”“深夜”這幾個關鍵時段的數(shù)據(jù)包含的信息量更多，也更有效。

11. 為nominal數(shù)據(jù)編碼

有時候我們需要對稱名數(shù)據(jù)（nominal數(shù)據(jù)）重新分類，這可能是由于各種原因造成的：一些算法（如Logistic回歸）要求所有輸入都是數(shù)字，所以我們要把稱名變量重新編碼為0,1 ...（n-1）。

有時一個類別可能包含多種表達，如“溫度”可以被記錄為“High”“Medium”“Low”“H”“l(fā)ow”，其中“High”和“H”是一碼事，“Low”和“l(fā)ow”也是一碼事，但Python會認為它們是不同的。有些類別的頻數(shù)*低，所以我們應該把它們合并起來。

為了解決這個問題，這里我們定義了一個簡單的函數(shù)，它把輸入作為“字典”，然后調(diào)用Pandas的replace函數(shù)重新編碼。

Python

12. 迭代dataframe的行

這不是一個常用的技巧，但如果遇到這種問題，相信沒人想到時候再絞盡腦汁想辦法，或者直接自暴自棄用for循環(huán)遍歷所有行。這里我們舉兩個要用到這種方法的場景：當帶有數(shù)字的nominal variable被當成數(shù)字。當某一行帶有字符（因為數(shù)據(jù)錯誤）的Numeric variable被當成分類。這時我們就要手動定義列的類別。雖然很麻煩，但這之后如果我們再檢查數(shù)據(jù)類別。

數(shù)據(jù)分析是一個很熱門*有價值的職場技能，學會了 Pandas 會*大的助力你的職業(yè)生涯。