Pandas数据分析常用的函数

1.汇总函数

Pandas中大量的函数可以说是初学者最头疼的事情了，以下介绍的函数是我本人认为比较常用的一些，我们一起来学习演示一下，希望对大家有帮助。

学习了Pandas的数据结构我们知道Series和DataFrame中存储了很多的信息，但是大多数时候我们其实只是想看其中的一部分，这时候就可以使用head()函数和tail()，它们分别代表返回n行表头数据或者是末尾数据。

输入head（5），显示前5行数据

输入tail（5），显示末尾5行数据

info()和describe()分别返回数据集的信息概况和描述性统计。

输入df.info()，可以快速的查列名，是否存在空值，字段类型，以及文档的大小等。

输入df.describe()，可以快速的查看数值型字段的描述性统计。

其实，info()和describe()展现的信息其实是非常的有限的，如果想要实现对数据集更全面有效的观察，可以使用pandas-profiling包。

2.特征统计函数

在Series和DataFrame中其实定义了很多的统计函数，但是最常用的无非就是求和、均值、中位数、方差、最大值、最小值等。

均值，mean（）

最大值，max()

还有就是quantile()、count、idxmax()，他们分别返回是分位数、非缺失值个数、最大值的索引；

返回四分之一位数，df.quantile(0.25)

数据计数，df.count()

返回最大值的索引，df.idmax()（最小值索引idmin()）

上述的函数每一个序列进行操作之后返回的结果都是标量，因此又被称为聚合函数，都有一个公共的参数axis，默认为0，记得之前内容的都知道，0代表行，1 代表列，如果设置为1，则会逐行的去聚合。

3.频次函数

使用unique（）和nunique（）可以分别得到其唯一值组成的列表和唯一值得个数：

value_count()可以得到序列中每个值出现的次数，当参数normalize为True时会进行归一化处理。

删除重复值：观察多个列组合的唯一值，可以使用drop_duplicates()，其中的关键参数是Keep，默认值为first表示保留每个组合第一次出现所在的行，指定为last表示保留每个组合最后一次出现的所在行，指定为False表示把所有组合重复的所在行删除。

duplicated()和drop_duplicates()的功能类似，前者返回的是元素是否唯一的布尔值。

4.替换函数

替换一般是指对某一个列进行的，在pandas中替换可以被归纳为3类，映射替换、逻辑替换、数值替换。

在replace()中，可以通过字典构造或传入列表来进行替换：

replace()中的一个特殊替换方式是，指定参数method为ffill是用前面一个最近的末尾的未被替换的值进行替换，为bfill时，用后面最近的未被替换的值进行替换。

逻辑替换包括where（）和mask（），where在传入的条件为False的对应行进行替换，而mask（）在传入条件为True的对应行进行替换，当未对二者指定替换时，将对应值填充为缺失值。

数值的替换有round()、abs()、clip()它们分别表示按照给定的精度四舍五入。

5.排序函数

Pandas中有两种排序函数，第一种是值排序函数sort_values()，第二种是索引排序函数sort_index()。参数ascending为True时为升序。

ascending=False时为降序排序

遇到多列排序问题时，可以使用列表来传入参数来实现，身高降序、体重升序；

索引排序与值的排序方法几乎一致。

Panels中得rank()函数与元素得排序相关，返回每个元素在整个序列中的排名，ascending表示升序排序，pct表示是否返回对应的分位数。

6.apply（）函数

apply（）函数常用于DataFrame进行行迭代或者列的迭代，apply的参数往往时一个以序列输入的函数。

例如使用apply（）来实现求均值：

当axis = 1时，就是列的均值，

虽然apply如此强大，但是并不意味着其他的函数没有用，apply()的灵活性时在牺牲效率的前提下获得的，所以想要高效的完成任务，还是使用对应的函数比较好。