本期将分享我认为比较常规的100个实用函数，这些函数大致可以分为六类，分别是统计汇总函数、数据清洗函数、数据筛选、绘图与元素级运算函数、时间序列函数和其他函数。
Plus，在原作者基础上，我修复2处小瑕疵，希望把最完美的文章展示给大家。
❆
统计汇总函数
数据分析过程中，必然要做一些数据的统计汇总工作，那么对于这一块的数据运算有哪些可用的函数可以帮助到我们呢？具体看如下几张表。
import
 pandas 
as
 pd

import
 numpy 
as
 np

x = pd.Series(np.random.normal(
2
,
3
,
1000
))

y = 
3
*x + 
10
 + pd.Series(np.random.normal(
1
,
2
,
1000
))


# 计算x与y的相关系数
print(x.corr(y))


# 计算y的偏度
print(y.skew())


# 计算y的统计描述值
print(x.describe())


z = pd.Series([
'A'
,
'B'
,
'C'
]).sample(n = 
1000
, replace = 
True
)

# 重新修改z的行索引
z.index = range(
1000
)

# 按照z分组，统计y的组内平均值
y.groupby(by = z).aggregate(np.mean)

# 统计z中个元素的频次
print(z.value_counts())


a = pd.Series([
1
,
5
,
10
,
15
,
25
,
30
])

# 计算a中各元素的累计百分比
print(a.cumsum() / a.cumsum()[a.size - 
1
])

❆
数据清洗函数
同样，数据清洗工作也是必不可少的工作，在如下表格中罗列了常有的数据清洗的函数。
x = pd.Series([
10
,
13
,np.nan,
17
,
28
,
19
,
33
,np.nan,
27
])

#检验序列中是否存在缺失值
print(x.hasnans)


# 将缺失值填充为平均值
print(x.fillna(value = x.mean()))


# 前向填充缺失值
print(x.ffill())

income = pd.Series([
'12500元'
,
'8000元'
,
'8500元'
,
'15000元'
,
'9000元'
])

# 将收入转换为整型
print(income.str[:
-1
].astype(int))


gender = pd.Series([
'男'
,
'女'
,
'女'
,
'女'
,
'男'
,
'女'
])

# 性别因子化处理
print(gender.factorize())


house = pd.Series([
'大宁金茂府 | 3室2厅 | 158.32平米 | 南 | 精装'
,

'昌里花园 | 2室2厅 | 104.73平米 | 南 | 精装'
,

'纺大小区 | 3室1厅 | 68.38平米 | 南 | 简装'
])

# 取出二手房的面积，并转换为浮点型
house.str.split(
'|'
).str[
2
].str.strip().str[:
-2
].astype(float)

❆
数据筛选
数据分析中如需对变量中的数值做子集筛选时，可以巧妙的使用下表中的几个函数，其中部分函数既可以使用在序列身上，也基本可以使用在数据框对象中。
np.random.seed(
1234
)

x = pd.Series(np.random.randint(
10
,
20
,
10
))


# 筛选出16以上的元素
print(x.loc[x > 
16
])


print(x.compress(x > 
16
))


# 筛选出13~16之间的元素
print(x[x.between(
13
,
16
)])


# 取出最大的三个元素
print(x.nlargest(
3
))


y = pd.Series([
'ID:1 name:张三 age:24 income:13500'
,

'ID:2 name:李四 age:27 income:25000'
,

'ID:3 name:王二 age:21 income:8000'
])

# 取出年龄，并转换为整数
print(y.str.findall(
'age:(\d+)'
).str[
0
].astype(int))

❆
绘图与元素级函数
np.random.seed(
123
)

import
 matplotlib.pyplot 
as
 plt

x = pd.Series(np.random.normal(
10
,
3
,
1000
))

# 绘制x直方图
x.hist()

# 显示图形
plt.show()


# 绘制x的箱线图
x.plot(kind=
'box'
)

plt.show()


installs = pd.Series([
'1280万'
,
'6.7亿'
,
'2488万'
,
'1892万'
,
'9877'
,
'9877万'
,
'1.2亿'
])

# 将安装量统一更改为“万”的单位
deftransform(x):
if
 x.find(
'亿'
) != 
-1
:

        res = float(x[:
-1
])*
10000
elif
 x.find(
'万'
) != 
-1
:

        res = float(x[:
-1
])

else
:

        res = float(x)/
10000
return
 res

installs.apply(transform)

❆
时间序列函数
❆
其他函数
import
 numpy 
as
 np

import
 pandas 
as
 pd


np.random.seed(
112
)

x = pd.Series(np.random.randint(
8
,
18
,
6
))

print(x)

# 对x中的元素做一阶差分
print(x.diff())


# 对x中的元素做降序处理
print(x.sort_values(ascending = 
False
))


y = pd.Series(np.random.randint(
8
,
16
,
100
))

# 将y中的元素做排重处理，并转换为列表对象
y.unique().tolist()
阅读更多：
Python GUI开发，效率提升10倍的方法！
数据分析 8 种思维，原来能这样讲，惊艳到我了！
长按，关注我的公众号
继续阅读
阅读原文