如何让你的Pandas函数更有用？
可以说，Pandas是数据科学系统中最常用的库。它的功能让复杂的数据清理和分析任务变得简单。但是，我们大部分人都会用默认设置的 Pandas 功能，这让我们无法充分利用它们。在大多数情况下，参数可以让函数们更灵活、更强大。
此外，通过正确使用参数，我们可以在一个步骤中完成包含多个步骤的任务。作为结果，我们的代码会变得更加高效和干净。
在本文中，我们将通过一些实际案例来展示使用参数的好处。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
数据分析新工具MindsDB–用SQL预测用户流失
DS数据科学家和DA数据分析师：要学习什么不同内容？
数据分析师需要知道的10个Excel函数
数据分析如何在Fintech中发挥作用？
让我们从导入库和创建DataFrame 开始。
import pandas as pd
import numpy as np
import random# create a DataFrame with mock data
pg = ["A","B","C","D","E","F","G"]
sales = np.arange(1,1000)df = pd.DataFrame({"product_group":random.choices(pg, weights=[12,10,8,5,1,1,1],k=300),
"product_code":np.arange(1000,1300),
"sales_qty":random.choices(sales, k=300)})# add some missing values
df.loc[150:170, "product_group"] = np.nan
df.loc[210:230, "sales_qty"] = np.nan
我们的DataFrame中，包含了一些产品、产品组、以及随机生成的销售数量。
假设我们要计算每组中的产品数量。最简单的方法是value_counts函数。
df["product_group"].value_counts()# output
A 88
B 69
C 56
D 37
F 11
E 9
G 9
Name: product_group, dtype: int64我们的列中应该有一些缺失值，但在输出结果中看不到它们。这种情况的原因是value_counts函数会默认忽略缺失值。
在某些任务中，忽略缺失值可能会产生数据的误导。当然，我们可以用isna函数检查缺失值。但是， value_counts函数其实可以为我们提供缺失值的信息。我们只需要改变dropna的范围。
df["product_group"].value_counts(dropna=False)# output
A 88
B 69
C 56
D 37
NaN 21
F 11
E 9
G 9
Name: product_group, dtype: int64可以看到，缺少产品组信息的产品有 21 个。
现在，我们来回顾一下输出结果。可以看到，A组有88个产品。
A 组有最多的产品，但 A 在整个DataFrame中所占的百分比是多少？我们可以通过简单的数学运算来计算它，但有一种更简单的方法：normalize参数。
df["product_group"].value_counts(normalize=True, dropna=False)# output
A 0.293333
B 0.230000
C 0.186667
D 0.123333
NaN 0.070000
F 0.036667
E 0.030000
G 0.030000
Name: product_group, dtype: float64A 组占整个产品系列的 29%。
改变normalize 参数对许多任务都很方便。假设我们正在处理一项任务，并且只想包含产品中 75% 的产品组。我们可以用value_counts和cumsum函数，轻松找到范围内的产品组，如下所示：
df["product_group"].value_counts(normalize=True).cumsum()# output
A 0.315412
B 0.562724
C 0.763441
D 0.896057
F 0.935484
E 0.967742
G 1.000000
Name: product_group, dtype: float6476% 的产品属于产品组 A、B 或 C。你可能已经注意到，这里的百分比份额和前面的示例不同。这是因为我们这次忽略了缺失值。
对观察结果进行排序也是一项非常常见的任务，可以用 Pandas 的sort_values函数来完成。让我们根据销售数量按降序对行进行排序。
df = df.sort_values(by="sales_qty", ascending=False)
df.head()
输出结果中的索引和DataFrame中的索引相同。在很多情况下，这可能不是问题，但最好有一个更适当的索引。我们可以使用reset_index函数更新索引，但sort_values函数有一个用于此任务的参数：ignore_index 。
df = df.sort_values(by="sales_qty", ascending=False, ignore_index=True)
df.head()
现在看起来好多了。
小技巧：用来组合多个DataFrame的concat函数也有ignore_index参数。
groupby是数据分析中最常用的 Pandas 函数之一。它根据给定列中的不同值对行进行分组。然后我们可以计算每个组的合计值。
例如，我们可以计算每个组的平均销售量：
df.groupby("product_group").agg(avg_sales=("sales_qty","mean"))
# output
这个命令的输出是一个DataFrame ，产品组作为索引显示。但是，把产品组单独放在DataFrame中的一列中会更好、更实用。这在我们有嵌套组时（按多列分组时）会特别有用。
我们也可以用reset_index函数，将组从索引带到新列。但其实， groupby函数专门为这个目的提供了一个参数：as_index 。
df.groupby("product_group", as_index=False).agg(avg_sales=("sales_qty","mean"))
# output
新的结果看起来好多了，因为后面的分析我们可能需要用到产品组的列。
本文中，我介绍了一些可以改变函数行为的参数。它们帮助我们添加新功能、或者调整功能来更好地满足我们的需求。这几个参数使函数更加灵活、实用和有用。我强烈建议你在运行函数之前检查参数，让你的代码更加整洁、灵活、高效。感谢你的阅读！你还可以订阅我们的YouTube频道，观看大量数据科学相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/
原文作者：Soner Yıldırım
翻译作者：Jiawei Tong
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://towardsdatascience.com/how-to-make-pandas-functions-more-useful-25649f71cc21
