悄然成為Python數據科學處理首選–PandasRank

一、簡介

Pandas是一個被廣泛使用的數據科學庫，但使用Pandas處理數據集時依然會遇到一些棘手的問題。在這種情況下，PandasRank 庫應運而生。PandasRank是一個基於Pandas的擴展包，它提供了各種用於數據科學的功能和一些核心的數據排序、過濾和處理等工具。

本文將從幾個方面介紹PandasRank的主要特點和在數據處理中的運用。

二、Ranking的應用

數據科學中ranking類的應用比較普遍，例如展示各個城市的人均GDP排名、根據競賽得分來顯示前十名選手等等。排名許多情況下是搭配著groupby一起使用，這樣會更容易操作。

import pandas as pd
import pandasrank as pr

# 創建數據集
data = pd.DataFrame({
    'group': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'],
    'score': [10, 15, 12, 3, 5, 13, 20, 21, 18]
})

# 對Score進行排序，groupby其中一個屬性，成為一個增加rank列的新DataFrame
pr.rank(data, 'score', 'group', True)

三、單列數據變換

有時候我們需要對一個列的數據進行計算或者變換，例如用倒數代替取反的正數，Pandasrank可以快速執行這些操作。

1、倒數

import pandas as pd
import pandasrank as pr

# 創建數據集
data = pd.DataFrame({
    'score': [10, -15, 12, -3, 5, 13, 20, -21, 18]
})

# 進行倒數變換
pr.inverse(data, 'score')

2、差分

import pandas as pd
import pandasrank as pr

# 創建數據集
data = pd.DataFrame({
    'number': [10, 15, 12, 3, 5, 13, 20, 21, 18]
})

# 生成new_number列，三行空值加上差分後數據
pr.diff_by_order(data, 'number', 'new_number', 3)

四、多列數據變換

在某些情況下，我們需要對多列數據進行變換，以應用更加綜合的計算方法。

1、加上一個排序號

import pandas as pd
import pandasrank as pr

# 創建數據集
data = pd.DataFrame({
    'group': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'],
    'score': [10, 15, 12, 3, 5, 13, 20, 21, 18]
})

# 變換數據得到樣本的排名
data = pr.rank(data, 'score', 'group', True)

# 新增一個sort_no列，包含某個group內對應的樣本排序
data = pr.sort_no(data, 'group', 'score', 'sort_no')

2、 多列的apply函數

import pandas as pd
import pandasrank as pr

# 創建數據集
data = pd.DataFrame({
    'temperature': [20, 5, 34, 13],
    'humidity': [80, 40, 70, 10]
})

# 利用自定義函數，對temperature和humidity列進行變換
pr.apply_cols(data, lambda x, y: x + y, ['temperature', 'humidity'])

五、篩選與過濾

1、去掉重複行

import pandas as pd
import pandasrank as pr

# 創建數據集
data = pd.DataFrame({
    'group': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'],
    'score': [10, 15, 12, 3, 5, 13, 20, 21, 18]
})

# 通過去重來剔除所有重複的行
pr.distinct(data, ['group', 'score'])

2、隨機選擇行

import pandas as pd
import pandasrank as pr

# 創建數據集
data = pd.DataFrame({
    'group': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'],
    'score': [10, 15, 12, 3, 5, 13, 20, 21, 18]
})

# 隨機選擇2行數據
pr.sample(data, 2)

六、結尾

PandasRank提供了豐富的工具，涵蓋了大部分數據科學處理中可能用到的方法。它的使用方式很簡單，能夠有效地降低數據處理的難度。在實際的數據科學項目中，當你需要對數據進行快速排序、計算和篩選時，不妨試一試使用PandasRank，或許可以事半功倍。