大家都知道Pandas和NumPy函数很棒，它们在日常分析中起着重要的作用。没有这两个函数，人们将在这个庞大的数据分析和科学世界中迷失方向。

今天，小芯将分享12个很棒的Pandas和NumPy函数，这些函数将会让生活更便捷，让分析事半功倍。

在本文结尾，读者可以找到文中提到的代码的JupyterNotebook。

NumPy是使用Python进行科学计算的基本软件包。它包含以下内容：

• 有用的线性代数，傅立叶变换和随机数功能

除明显的科学用途外，NumPy是高效的通用数据多维容器，可以定义任意数据类型。这使NumPy能够无缝且高速地与各种数据库进行集成。

map()函数用于根据输入对应关系映射Series的值。用于将序列(Series)中的每个值替换为另一个值，该值可以从函数、字典或序列(Series)中得出。

Isin() 函数用于过滤数据帧。Isin() 有助于选择在特定列中具有特定(或多个)值的行。这是笔者见过的最有用的功能。

select_dtypes()函数基于dtypes列返回数据框的列的子集。设置此函数的参数，以包括具有某些特定数据类型的所有列;也可对其进行设置，以排除具有某些特定数据类型的所有列。

Pandas最神奇最有用的功能是pivot_table。如果你纠结于是否使用groupby，并想扩展其功能，那么不妨试试pivot-table。如果明白数据透视表在excel中的工作原理，那么一切就非常简单了。数据透视表中的级别将存贮在MultiIndex对象(分层索引)中，而该对象位于DataFrame结果的索引和列上。

内容来源于网络如有侵权请私信删除