pandas选择数据字符串_读完本文，轻松玩转数据处理利器Pandas1.0

选自Medium

2020 年 1 月 9 日 Pandas 1.0.0rc 版本面世&＃xff0c;Facebook 数据科学家 Tom Waterman 撰文概述了其新功能。本文助你轻松玩转 Pandas 1.0。

常用数据科学库 Pandas 刚刚年满十二岁&＃xff0c;现在已经发布到 1.0.0 版。首个 Pandas 1.0 候选版本显示出&＃xff0c;现在的 Pandas 在遇到缺失值时会接收一个新的标量&＃xff0c;遵循语义化版本控制(Semantic Versioning)形成了新的弃用策略&＃xff0c;网站也经过了重新设计……

pip install --upgrade pandas&＃61;&＃61;1.0.0rc0当然&＃xff0c;升级可能会破坏部分代码&＃xff0c;因为这次发布的是主要版本&＃xff0c;所以请务必小心。这一版 Pandas 也不再支持 Python 2。要使用 1.0&＃43;版本的 Pandas&＃xff0c;至少需要 Python 3.6&＃43;版本&＃xff0c;所以请确认 pip 和 python 的版本是正确的。

$ pip --version
pip 19.3.1 from /usr/local/lib/python3.7/site-packages/pip (python 3.7)$ python --version
Python 3.7.5你可以根据下列代码确认一切正常&＃xff0c;以及 Pandas 的版本正确。

>>> import pandas as pd1.0.0rc0使用 DataFrame.info 更好地自动汇总数据帧我最喜欢的新功能是改进后的 DataFrame.info (http://dataframe.info/) 方法。它使用一种可读性更强的格式&＃xff0c;让数据探索过程变得更加容易。

>>> df &＃61; pd.DataFrame({
...:   &＃39;A&＃39;: [1,2,3], 
...:   &＃39;B&＃39;: ["goodbye", "cruel", "world"], 
...:   &＃39;C&＃39;: [False, True, False]
...:})
>>> df.info()

RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   A       3 non-null      int64
 1   B       3 non-null      object
 2   C       3 non-null      object
dtypes: int64(1), object(2)
memory usage: 200.0&＃43; bytes支持 Markdown 表格作为输出格式我第二喜欢的功能是用 DataFrame.to_markdown 方法&＃xff0c;把数据帧导出到 Markdown 表格中。

>>> df.to_markdown()
|    |   A | B       | C     |
|---:|----:|:--------|:------|
|  0 |   1 | goodbye | False |
|  1 |   2 | cruel   | True  |
|  2 |   3 | world   | False |这样可以通过 GitHub Gist&＃xff0c;在 Medium 等处更容易地展示数据。新数据类型&＃xff1a;布尔值和字符串Pandas 1.0 还实验性地引入了新的数据类型&＃xff1a;布尔值和字符串。由于这些改变是实验性的&＃xff0c;因此数据类型的 API 可能会有轻微的变动&＃xff0c;所以用户在使用时务必谨慎操作。不过&＃xff0c;Pandas 推荐用户合理使用这些数据类型&＃xff0c;在未来的版本中也将改善特定类型运算的性能&＃xff0c;比如正则表达式匹配(Regex Match)。默认情况下&＃xff0c;Pandas 不会自动将你的数据强制转换为这些类型。但你可以修改参数来使用新的数据类型。

>>> B &＃61; pd.Series(["goodbye", "cruel", "world"], dtype&＃61;"string")
>>> C &＃61; pd.Series([False, True, False], dtype&＃61;"bool")
>>> df.B &＃61; B, df.C &＃61; C
>>> df.info()

RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   A       3 non-null      int64
 1   B       3 non-null      string
 2   C       3 non-null      bool
dtypes: int64(1), object(1), string(1)
memory usage: 200.0&＃43; bytes注意现在的 Dtype 列是如何反映新数据类型 string 和 bool 的。字符串数据类型最大的用处是&＃xff0c;你可以从数据帧中只选择字符串列&＃xff0c;这样就可以更快地分析数据集中的文本。

df.select_dtypes("string")在此之前&＃xff0c;你只能通过指定名称来选择字符串类型列。更多有关新数据类型的说明&＃xff0c;参见&＃xff1a;https://dev.pandas.io/docs/user_guide/text.html?highlight&＃61;string。弃用新版本弃用了许多功能。不过最值得注意的是&＃xff0c;从 DataFrameGroupBy 对象中选择列时&＃xff0c;输入 key 列表或 key 元组的方法已被弃用。现在要用 item 列表&＃xff0c;而非键列表。另一个最常用的变动出现在 DataFrame.hist() 和 Series.his() 中。现在 figsize 没有默认值&＃xff0c;要想指定绘图的大小&＃xff0c;需要输入元组。Bug 修复新版本还修复了大量 bug&＃xff0c;提高了数据分析的可信度。此前&＃xff0c;在遇到分类数据以外的值时&＃xff0c;fillna() 会引发 ValueError。因此&＃xff0c;它现在纳入 assert 来测试不一致&＃xff0c;并处理异常。另外&＃xff0c;在将分类数据转换为整数时&＃xff0c;也会产生错误的输出。特别是对于 NaN 值&＃xff0c;其输出往往是错误的。因此&＃xff0c;新版 Pandas 修复了这个 bug。原文链接&＃xff1a;https://towardsdatascience.com/top-features-of-pandas-1-0-26abff08d1b6本文为机器之心编译&＃xff0c;转载请联系本公众号获得授权。✄------------------------------------------------加入机器之心(全职记者 / 实习生)&＃xff1a;hr&＃64;jiqizhixin.com投稿或寻求报道&＃xff1a;content&＃64;jiqizhixin.com广告 & 商务合作&＃xff1a;bd&＃64;jiqizhixin.com