x = np.array([12, 10, 12, 0, 6, 8, 9, 1, 16, 4, 6, 0])index_val = np.argpartition(x, -4)[-4:]
index_val
array([1, 8, 2, 0], dtype=int64)np.sort(x[index_val])
array([10, 12, 12, 16])

allclose()

allclose() 用于匹配兩個數(shù)組，并得到布爾值表示的輸出。如果在一個公差范圍內（within a tolerance）兩個數(shù)組不等同，則 allclose() 返回 False。該函數(shù)對于檢查兩個數(shù)組是否相似非常有用。

array1 = np.array([0.12,0.17,0.24,0.29])
array2 = np.array([0.13,0.19,0.26,0.31])# with a tolerance of 0.1, it should return False:
np.allclose(array1,array2,0.1)
False# with a tolerance of 0.2, it should return True:
np.allclose(array1,array2,0.2)
True

clip()

Clip() 使得一個數(shù)組中的數(shù)值保持在一個區(qū)間內。有時，我們需要保證數(shù)值在上下限范圍內。為此，我們可以借助 Numpy 的 clip() 函數(shù)實現(xiàn)該目的。給定一個區(qū)間，則區(qū)間外的數(shù)值被剪切至區(qū)間上下限（interval edge）。

x = np.array([3, 17, 14, 23, 2, 2, 6, 8, 1, 2, 16, 0])np.clip(x,2,5)
array([3, 5, 5, 5, 2, 2, 5, 5, 2, 2, 5, 2])

extract()

顧名思義，extract() 是在特定條件下從一個數(shù)組中提取特定元素。借助于 extract()，我們還可以使用 and 和 or 等條件。

# Random integers
array = np.random.randint(20, size=12)
array
array([ 0,  1,  8, 19, 16, 18, 10, 11,  2, 13, 14,  3])#  Divide by 2 and check if remainder is 1
cond = np.mod(array, 2)==1
cond
array([False,  True, False,  True, False, False, False,  True, False, True, False,  True])# Use extract to get the values
np.extract(cond, array)
array([ 1, 19, 11, 13,  3])# Apply condition on extract directly
np.extract(((array < 3) | (array > 15)), array)
array([ 0,  1, 19, 16, 18,  2])

where()

Where() 用于從一個數(shù)組中返回滿足特定條件的元素。比如，它會返回滿足特定條件的數(shù)值的索引位置。Where() 與 SQL 中使用的 where condition 類似，如以下示例所示：

y = np.array([1,5,6,8,1,7,3,6,9])# Where y is greater than 5, returns index position
np.where(y>5)
array([2, 3, 5, 7, 8], dtype=int64),)# First will replace the values that match the condition, 
# second will replace the values that does not
np.where(y>5, "Hit", "Miss")
array([ Miss ,  Miss ,  Hit ,  Hit ,  Miss ,  Hit ,  Miss ,  Hit ,  Hit ],dtype= <U4 )

percentile()

Percentile() 用于計算特定軸方向上數(shù)組元素的第 n 個百分位數(shù)。

a = np.array([1,5,6,8,1,7,3,6,9])
print("50th Percentile of a, axis = 0 : ",  np.percentile(a, 50, axis =0))
50th Percentile of a, axis = 0 :  6.0
b = np.array([[10, 7, 4], [3, 2, 1]])
print("30th Percentile of b, axis = 0 : ",  np.percentile(b, 30, axis =0))
30th Percentile of b, axis = 0 :  [5.1 3.5 1.9]

這就是 Numpy 擴展包的 6 種高效函數(shù)，相信會為你帶來幫助。接下來看一看 Pandas 數(shù)據(jù)分析庫的 6 種函數(shù)。

Pandas 數(shù)據(jù)統(tǒng)計包的 6 種高效函數(shù)

Pandas 也是一個 Python 包，它提供了快速、靈活以及具有顯著表達能力的數(shù)據(jù)結構，旨在使處理結構化 (表格化、多維、異構) 和時間序列數(shù)據(jù)變得既簡單又直觀。

Pandas 適用于以下各類數(shù)據(jù):

具有異構類型列的表格數(shù)據(jù)，如 SQL 表或 Excel 表；
有序和無序 (不一定是固定頻率) 的時間序列數(shù)據(jù)；
帶有行/列標簽的任意矩陣數(shù)據(jù)（同構類型或者是異構類型）；
其他任意形式的統(tǒng)計數(shù)據(jù)集。事實上，數(shù)據(jù)根本不需要標記就可以放入 Pandas 結構中。

Pandas 擅長處理的類型如下所示：

容易處理浮點數(shù)據(jù)和非浮點數(shù)據(jù)中的缺失數(shù)據(jù)（用 NaN 表示）；
大小可調整性: 可以從 DataFrame 或者更高維度的對象中插入或者是刪除列；
顯式數(shù)據(jù)可自動對齊: 對象可以顯式地對齊至一組標簽內，或者用戶可以簡單地選擇忽略標簽，使 Series、 DataFrame 等自動對齊數(shù)據(jù)；
靈活的分組功能，對數(shù)據(jù)集執(zhí)行拆分-應用-合并等操作，對數(shù)據(jù)進行聚合和轉換；
簡化將數(shù)據(jù)轉換為 DataFrame 對象的過程，而這些數(shù)據(jù)基本是 Python 和 NumPy 數(shù)據(jù)結構中不規(guī)則、不同索引的數(shù)據(jù)；
基于標簽的智能切片、索引以及面向大型數(shù)據(jù)集的子設定；
更加直觀地合并以及連接數(shù)據(jù)集；
更加靈活地重塑、轉置（pivot）數(shù)據(jù)集；
軸的分級標記 (可能包含多個標記)；
具有魯棒性的 IO 工具，用于從平面文件 (CSV 和 delimited)、 Excel 文件、數(shù)據(jù)庫中加在數(shù)據(jù)，以及從 HDF5 格式中保存 / 加載數(shù)據(jù)；
時間序列的特定功能: 數(shù)據(jù)范圍的生成以及頻率轉換、移動窗口統(tǒng)計、數(shù)據(jù)移動和滯后等。

read_csv(nrows=n)

大多數(shù)人都會犯的一個錯誤是，在不需要.csv 文件的情況下仍會完整地讀取它。如果一個未知的.csv 文件有 10GB，那么讀取整個.csv 文件將會非常不明智，不僅要占用大量內存，還會花很多時間。我們需要做的只是從.csv 文件中導入幾行，之后根據(jù)需要繼續(xù)導入。

import io
import requests# I am using this online data set just to make things easier for you guys
url = "https://raw.github.com/vincentarelbundock/Rdatasets/master/csv/datasets/AirPassengers.csv"
s = requests.get(url).content# read only first 10 rows
df = pd.read_csv(io.StringIO(s.decode( utf-8 )),nrows=10 , index_col=0)

map()

map( ) 函數(shù)根據(jù)相應的輸入來映射 Series 的值。用于將一個 Series 中的每個值替換為另一個值，該值可能來自一個函數(shù)、也可能來自于一個 dict 或 Series。

# create a dataframe
dframe = pd.DataFrame(np.random.randn(4, 3), columns=list( bde ), index=[ India ,  USA ,  China ,  Russia ])#compute a formatted string from each floating point value in frame
changefn = lambda x:  %.2f  % x# Make changes element-wise
dframe[ d ].map(changefn)

apply()

apply() 允許用戶傳遞函數(shù)，并將其應用于 Pandas 序列中的每個值。

# max minus mix lambda fn
fn = lambda x: x.max() - x.min()# Apply this on dframe that we ve just created above
dframe.apply(fn)

isin()

lsin () 用于過濾數(shù)據(jù)幀。Isin () 有助于選擇特定列中具有特定（或多個）值的行。

# Using the dataframe we created for read_csv
filter1 = df["value"].isin([112]) 
filter2 = df["time"].isin([1949.000000])df [filter1 & filter2]

copy()

Copy () 函數(shù)用于復制 Pandas 對象。當一個數(shù)據(jù)幀分配給另一個數(shù)據(jù)幀時，如果對其中一個數(shù)據(jù)幀進行更改，另一個數(shù)據(jù)幀的值也將發(fā)生更改。為了防止這類問題，可以使用 copy () 函數(shù)。

# creating sample series 
data = pd.Series([ India ,  Pakistan ,  China ,  Mongolia ])# Assigning issue that we face
data1= data
# Change a value
data1[0]= USA 
# Also changes value in old dataframe
data# To prevent that, we use
# creating copy of series 
new = data.copy()# assigning new values 
new[1]= Changed value # printing data 
print(new) 
print(data)

select_dtypes()

select_dtypes() 的作用是，基于 dtypes 的列返回數(shù)據(jù)幀列的一個子集。這個函數(shù)的參數(shù)可設置為包含所有擁有特定數(shù)據(jù)類型的列，亦或者設置為排除具有特定數(shù)據(jù)類型的列。

# We ll use the same dataframe that we used for read_csv
framex =  df.select_dtypes(include="float64")# Returns only time column

最后，pivot_table( ) 也是 Pandas 中一個非常有用的函數(shù)。如果對 pivot_table( ) 在 excel 中的使用有所了解，那么就非常容易上手了。

# Create a sample dataframe
school = pd.DataFrame({ A : [ Jay ,  Usher ,  Nicky ,  Romero ,  Will ], 
       B : [ Masters ,  Graduate ,  Graduate ,  Masters ,  Graduate ], 
       C : [26, 22, 20, 23, 24]})# Lets create a pivot table to segregate students based on age and course
table = pd.pivot_table(school, values = A , index =[ B ,  C ], 
                         columns =[ B ], aggfunc = np.sum, fill_value="Not Available") 
table