数据剖析,如何能错过 Pandas 。
如今,数据迷信家 Roman Orac 分享了他在任务中相见恨晚的 Pandas 运用技巧。
了解了这些技巧,能让你在学习、运用 Pandas 的时分愈加高效。
话不多说,一同窗习一下~
Pandas适用技巧用 Pandas 做数据剖析,最大的亮点当属 DataFrame。不过,在展现成果的时分,常常需求把 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
假设你需求用 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:
import numpy as np
import pandas as pd
import random
n = 10
df = pd.DataFrame(
{
"col1": np.random.random_sample(n),
"col2": np.random.random_sample(n),
"col3": [[random.randint(0, 10) for _ in range(random.randint(3, 5))] for _ in range(n)],
}
)
用上 to_html,就可以将表格转入 html 文件:
df_html = df.to_html()
with open(‘analysis.html’, ‘w’) as f: f.write(df_html)
与之配套的,是 read_html 函数,可以将 HTML 转回 DataFrame。
DataFrame 转 LaTeX
假设你还没用过 LaTeX 写论文,剧烈建议尝试一下。
要把 DataFrame 值转成 LaTeX 表格,也是一个函数就搞定了:
df.to_latex()
DataFrame 转 Markdown
假设你想把代码放到 GitHub 上,需求写个 README。
这时分,你能够需求把 DataFrame 转成 Markdown 格式。
Pandas 异样为你思索到了这一点:
print(df.to_markdown())
注:这里还需求 tabulate 库
DataFrame 转 Excel
说到这里,给同窗们提一个小成绩:导师/老板/客户要你提供 Excel 格式的数据,你该怎样做?
当然是——
df.to_excel(‘analysis.xlsx’)
需求留意的是,假设你没有安装过 xlwt 和 openpyxl 这两个工具包,需求先安装一下。
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,当然也没成绩:
df.to_string()
5个不为人知的Pandas技巧此前,Roman Orac 还曾分享过 5 个他觉得十分好用,但大家能够没有那么熟习的 Pandas 技巧。
1、data_range
从外部 API 或数据库获取数据时,需求屡次指定时间范围。
Pandas 的 data_range 掩盖了这一需求。
import pandas as pd
date_from = “2019-01-01”
date_to = “2019-01-12”
date_range = pd.date_range(date_from, date_to, freq=”D”)
print(date_range)
freq = “D”/“M”/“Y”,该函数就会辨别前往按天、月、年递增的日期。
2、兼并数据
当你有一个名为left的DataFrame:
和名为right的DataFrame:
想经过关键字“key”把它们整合到一同:
(责任编辑:admin)