大數(shù)據(jù)分析常用pandas函數(shù)有哪些

　　熟練掌握pandas函數(shù)都能幫我們?cè)跀?shù)據(jù)分析過(guò)程中節(jié)省時(shí)間。pandas還有很多讓人舒適的用法，這次就為大家介紹5個(gè)pandas函數(shù)!
 

　　大數(shù)據(jù)分析常用pandas函數(shù)有哪些由Python大數(shù)據(jù)分析編譯。
 

一、 explode


　　explode用于將一行數(shù)據(jù)展開成多行。比如說(shuō)dataframe中某一行其中一個(gè)元素包含多個(gè)同類型的數(shù)據(jù)，若想要展開成多行進(jìn)行分析，這時(shí)候explode就派上用場(chǎng)，而且只需一行代碼，非常節(jié)省時(shí)間。
 

　　用法：

　　參數(shù)作用：
 

　　column ：str或tuple

　　以下表中第三行、第二列為例，展開[2,3,8]：
 

　　使用explode輕松將[2,3,8]轉(zhuǎn)換成多行，且行內(nèi)其他元素保持不變。

二、 Nunique
 

　　Nunique用于計(jì)算行或列上唯一值的數(shù)量，即去重后計(jì)數(shù)。這個(gè)函數(shù)在分類問題中非常實(shí)用，當(dāng)不知道某字段中有多少類元素時(shí)，Nunique能快速生成結(jié)果。
 

　　用法：

　　參數(shù)作用：
 

　　1)axis：int型，0代表行，1代表列，默認(rèn)0;

　　2)dropna：bool類型，默認(rèn)為True，計(jì)數(shù)中不包括NaN;

　　先創(chuàng)建一個(gè)df：

　　對(duì)year列進(jìn)行唯一值計(jì)數(shù)：

　　輸出：10 對(duì)整個(gè)dataframe的每一個(gè)字段進(jìn)行唯一值計(jì)數(shù)：

三、infer_objects
 

　　infer_objects用于將object類型列推斷為更合適的數(shù)據(jù)類型。
 

　　用法：

　　pandas支持多種數(shù)據(jù)類型，其中之一是object類型。object類型包括字符串和混合值(數(shù)字及非數(shù)字)。
 

　　object類型比較寬泛，如果可以確定為具體數(shù)據(jù)類型，則不建議用object。

　　使用infer_objects方法將object推斷為int類型：

　　4. memory_usage
 

　　memory_usage用于計(jì)算dataframe每一列的字節(jié)存儲(chǔ)大小，這對(duì)于大數(shù)據(jù)表非常有用。
 

　　用法：

　　參數(shù)解釋：index：指定是否返回df中索引字節(jié)大小，默認(rèn)為True，返回的第一行即是索引的內(nèi)存使用情況;deep：如果為True，則通過(guò)查詢object類型進(jìn)行系統(tǒng)級(jí)內(nèi)存消耗來(lái)深入地檢查數(shù)據(jù)，并將其包括在返回值中。
 

　　首先創(chuàng)建一個(gè)df，共2列，1000000行。

　　返回每一列的占用字節(jié)大?。?/p>

　　第一行是索引index的內(nèi)存情況，其余是各列的內(nèi)存情況。
 

五、replace


　　顧名思義，replace是用來(lái)替換df中的值，賦以新的值。
 

　　用法：

　　參數(shù)解釋：
 

　　1)to_replace：被替換的值

　　2)value：替換后的值

　　3)inplace：是否要改變?cè)瓟?shù)據(jù)，F(xiàn)alse是不改變，True是改變，默認(rèn)是False

　　4)limit：控制填充次數(shù)

　　5)regex：是否使用正則,False是不使用，True是使用，默認(rèn)是False

　　6)method：填充方式，pad,ffill,bfill分別是向前、向前、向后填充
 

　　創(chuàng)建一個(gè)df：

　　將A全部替換為D：

　　將B替換為E，C替換為F：