学会这些好用的pandas函数，让你的数据处理更快人一步
如果要获取总分排名前10的学生信息，大家可能会按照总分排序然后head(10)来操作一番，但是如果遇到同排名的情况导致前10的学生数超过10个肿么办呢？
今天，我们就来看看pandas都提供了哪些便捷的函数方法，让我们数据处理快人一步~
目录：
1. 求最大或最小的前N组数据
2. 求当前元素和前一元素间变化率
3. 将列表中每个元素转化为一行
1. 求最大或最小的前N组数据
我们在进行数据处理的时候，往往会遇到一个场景，那就是求这组数据中最大或最小的前N组数据。一般情况下，我们可能会采用 df.sort_values(columns, ascending=False).head(n)来求取，但是往往存在一些并列排名的数据会被无情的截断而获取不到。那么，今天我们可以试试以下方法，也会就好了。
以下我们用求取最大的前N组数据为例进行介绍：
DataFrame.nlargest(n,columns,keep='first')Series.nlargest(n=5,keep='first')▶
keep参数可选值：默认为 first，可选 last 和 all （字面意思）
我们先构造一个案例数据
>>> import pandas as pd>>> df = pd.DataFrame({'population': [59000000, 65000000, 434000,... 434000, 434000, 337000, 11300,... 11300, 11300],... 'GDP': [1937894, 2583560 , 12011, 4520, 12128,... 17036, 182, 38, 311],... 'alpha-2': ['IT', 'FR', 'MT', 'MV', 'BN',... 'IS', 'NR', 'TV', 'AI']},... index=['Italy', 'France', 'Malta',... 'Maldives', 'Brunei', 'Iceland',... 'Nauru', 'Tuvalu', 'Anguilla'])
>>> df population GDP alpha-2Italy 59000000 1937894 ITFrance 65000000 2583560 FRMalta 434000 12011 MTMaldives 434000 4520 MVBrunei 434000 12128 BNIceland 337000 17036 ISNauru 11300 182 NRTuvalu 11300 38 TVAnguilla 11300 311 AI对于上述案例数据，如果我们想获取population字段最多的前3组数据，发现第三名都是434000。如果采用head(3)，实际有2个满足要求的数据行被我们漏掉了；这个时候使用df.nlargest(3, 'population',keep='all')，即可获取我们需要的结果。
>>> df.head(3)
population GDP alpha-2
Italy 59000000 1937894 IT
France 65000000 2583560 FR
Malta 434000 12011 MT
>>> df.nlargest(3, 'population')
population GDP alpha-2
France 65000000 2583560 FR
Italy 59000000 1937894 IT
Malta 434000 12011 MT
# keep = 'all' 即表示满足排名的全部返回
>>> df.nlargest(3, 'population',keep='all')
population GDP alpha-2
France 65000000 2583560 FR
Italy 59000000 1937894 IT
Malta 434000 12011 MT
Maldives 434000 4520 MV
Brunei 434000 12128 BN
当然，我们可能面临更复杂的需求，比如按照多个字段取最大的前N组数据，这个案例中我们要取population最多的中GDP前三的数据。
>>> df.nlargest(3, ['population', 'GDP']) population GDP alpha-2France 65000000 2583560 FRItaly 59000000 1937894 ITBrunei 434000 12128 BN对于最小的前N组数据，函数如下（参数含义同）：
DataFrame.nsmallest(n,columns,keep='first')Series.nsmallest(n=5,keep='first')2. 求当前元素和前一元素间变化率
有时候，我们的数据可能是时间序列下的，为了更方便看到随着时间变化某行或列数据的变化率，这里就可以采用pct_change方法直接获取。
pct_change(periods=1,fill_method='pad',limit=None,freq=None,kwargs)
先看看对于Series类型数据：
>>> s = pd.Series([90, 91, 85])
>>> s.pct_change()
0 NaN
1 0.011111
2 -0.065934
dtype: float64
# 设置间隔periods=2，在这里就是85相比90的变化率
>>> s.pct_change(periods=2)
0 NaN
1 NaN
2 -0.055556
dtype: float64
对于有缺失值的情况，我们可以填充缺失值后参与计算或者在计算百分比时设置填充参数fill_method：
>>> s = pd.Series([90, 91, None, 85])>>> s0 90.01 91.02 NaN3 85.0dtype: float64
>>> s.pct_change(fill_method='bfill')0 NaN1 0.0111112 -0.0659343 0.000000dtype: float64
>>> s.pct_change(fill_method='ffill')0 NaN1 0.0111112 0.0000003 -0.065934dtype: float64
>>> s.pct_change()0 NaN1 0.0111112 0.0000003 -0.065934dtype: float64也可以直接对Dataframe类型数据进行处理：
>>> df = pd.DataFrame({
... 'FR': [4.0405, 4.0963, 4.3149],
... 'GR': [1.7246, 1.7482, 1.8519],
... 'IT': [804.74, 810.01, 860.13]},
... index=['1980-01-01', '1980-02-01', '1980-03-01'])
>>> df
FR GR IT
1980-01-01 4.0405 1.7246 804.74
1980-02-01 4.0963 1.7482 810.01
1980-03-01 4.3149 1.8519 860.13
>>> df.pct_change()
FR GR IT
1980-01-01 NaN NaN NaN
1980-02-01 0.013810 0.013684 0.006549
1980-03-01 0.053365 0.059318 0.061876
>>> df = pd.DataFrame({
... '2016': [1769950, 30586265],
... '2015': [1500923, 40912316],
... '2014': [1371819, 41403351]},
... index=['GOOG', 'APPL'])
>>> df
2016 2015 2014
GOOG 1769950 1500923 1371819
APPL 30586265 40912316 41403351
# 对行进行操作axis=1或'columns'
>>> df.pct_change(axis = 1)
2016 2015 2014
GOOG NaN -0.151997 -0.086016
APPL NaN 0.337604 0.012002
>>> df.pct_change(axis = 'columns')
2016 2015 2014
GOOG NaN -0.151997 -0.086016
APPL NaN 0.337604 0.012002
3. 将列表中每个元素转化为一行
有时候，我们的原始数据中某些元素可能是列表的形式，而我们需要对它进行展开操作，于是explode方法就来了。
Series.explode(ignore_index=False)DataFrame.explode(column,ignore_index=False)
先看看对Series类型数据的处理：
>>> s = pd.Series([[1, 2, 3], 'foo', [], [3, 4]])
>>> s
0 [1, 2, 3]
1 foo
2 []
3 [3, 4]
dtype: object
# 默认情况下，会复制索引
>>> s.explode()
0 1
0 2
0 3
1 foo
2 NaN
3 3
3 4
dtype: object
# 设置参数ignore_index=True，则会重置索引
>>> s.explode(ignore_index=True)
0 1
1 2
2 3
3 foo
4 NaN
5 3
6 4
dtype: object
再看看在Dataframe类型数据下的操作：
>>> df = pd.DataFrame({'A': [[1, 2, 3], 'foo', [], [3, 4]], 'B': 1})>>> df A B0 [1, 2, 3] 11 foo 12 [] 13 [3, 4] 1# 默认情况下，会复制索引>>> df.explode('A') A B0 1 10 2 10 3 11 foo 12 NaN 13 3 13 4 1# 设置参数ignore_index=True，则会重置索引>>> df.explode('A',ignore_index=True) A B0 1 11 2 12 3 13 foo 14 NaN 15 3 16 4 1以上就是本次的全部内容，希望能带给大家帮助~