大數據分析常用pandas函數有哪些

　　熟練掌握pandas函數都能幫我們在數據分析過程中節(jié)省時間。pandas還有很多讓人舒適的用法，這次就為大家介紹5個pandas函數!
 

　　大數據分析常用pandas函數有哪些由Python大數據分析編譯。
 

一、 explode


　　explode用于將一行數據展開成多行。比如說dataframe中某一行其中一個元素包含多個同類型的數據，若想要展開成多行進行分析，這時候explode就派上用場，而且只需一行代碼，非常節(jié)省時間。
 

　　用法：

　　參數作用：
 

　　column ：str或tuple

　　以下表中第三行、第二列為例，展開[2,3,8]：
 

　　使用explode輕松將[2,3,8]轉換成多行，且行內其他元素保持不變。

二、 Nunique
 

　　Nunique用于計算行或列上唯一值的數量，即去重后計數。這個函數在分類問題中非常實用，當不知道某字段中有多少類元素時，Nunique能快速生成結果。
 

　　用法：

　　參數作用：
 

　　1)axis：int型，0代表行，1代表列，默認0;

　　2)dropna：bool類型，默認為True，計數中不包括NaN;

　　先創(chuàng)建一個df：

　　對year列進行唯一值計數：

　　輸出：10 對整個dataframe的每一個字段進行唯一值計數：

三、infer_objects
 

　　infer_objects用于將object類型列推斷為更合適的數據類型。
 

　　用法：

　　pandas支持多種數據類型，其中之一是object類型。object類型包括字符串和混合值(數字及非數字)。
 

　　object類型比較寬泛，如果可以確定為具體數據類型，則不建議用object。

　　使用infer_objects方法將object推斷為int類型：

　　4. memory_usage
 

　　memory_usage用于計算dataframe每一列的字節(jié)存儲大小，這對于大數據表非常有用。
 

　　用法：

　　參數解釋：index：指定是否返回df中索引字節(jié)大小，默認為True，返回的第一行即是索引的內存使用情況;deep：如果為True，則通過查詢object類型進行系統(tǒng)級內存消耗來深入地檢查數據，并將其包括在返回值中。
 

　　首先創(chuàng)建一個df，共2列，1000000行。

　　返回每一列的占用字節(jié)大小：

　　第一行是索引index的內存情況，其余是各列的內存情況。
 

五、replace


　　顧名思義，replace是用來替換df中的值，賦以新的值。
 

　　用法：

　　參數解釋：
 

　　1)to_replace：被替換的值

　　2)value：替換后的值

　　3)inplace：是否要改變原數據，False是不改變，True是改變，默認是False

　　4)limit：控制填充次數

　　5)regex：是否使用正則,False是不使用，True是使用，默認是False

　　6)method：填充方式，pad,ffill,bfill分別是向前、向前、向后填充
 

　　創(chuàng)建一個df：

　　將A全部替換為D：

　　將B替換為E，C替換為F：