pandas中有哪些不常用的函數功能

小編給大家分享一下pandas中有哪些不常用的函數功能，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

        pandas 是我們常用的一個Python數據分析庫。其中有不少操作是我們平時很少用到的。如下：

數據源：

df

一、 獲取最大或最小值所對應對象的名稱

獲取某列的最小值：

df["數量"].min()

獲取最小值所對應的汽車品牌：

df[df["數量"] == df["數量"].min()]["品牌"].values[0]

獲取最大值同理。

        然而，我們可以使用.idxmax() 或 idxmin() 函數來更優雅得實現以上功能：

df.loc[df["數量"].idxmin()]["品牌"]

可見，所得結果一致，并且語句顯得更加簡短優雅。

二、 數據切片

        用 .cut() 函數將數據區間 [10,80] 均等地分成10份，等差為 （80 - 10） / 10 = 7.

pd.cut(df["數量"],10)

查看當前數據所屬的劃分區間：

pd.cut(df["數量"],10,labels = False)

三、 用 .nsmallest() 或 .nlargest() 獲取前幾的最小或最大值。

比如獲取數量最小的前3條記錄：

df[["國家", "品牌", "數量"]].nsmallest(3, "數量")

再跟常用的方法對比一下，如下：

df.sort_values(by = "數量",ascending = True).head(3)

注意事項：.nsmallest() 或 .nlargest() 參數里的篩選條件一定要包好在所抽取出來的DataFrame里面。

四、 數據透視表

4.1 普通的篩選求和：

df[(df["國家"] == "中國") & (df["品牌"] == "五菱")]["數量"].sum()

4.2 pivot_table

pd.pivot_table(df, values = "數量", index = "品牌", columns = "國家", aggfunc = "sum").fillna(0)

4.2 pivot_table + unstack

pd.pivot_table(df, values = "數量", index = "品牌", columns = "國家", aggfunc = "sum").fillna(0).unstack()

以上是“pandas中有哪些不常用的函數功能”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！