Python — 偶遇的函数 — 更新中

目录

自然排序函数natsort

累积函数

Isinstance查看一个对象是否是指定类的实例

dropna 过滤NaN函数

%timeit 计时，查看语句运行时间

Shuffle  把数据随机打散

drop_duplicates去重详解

.values.tolist() 数组转列表

strftime('%y-%m-%d')与dt.date 时间

---

计算百分比变化

pandas 库中的 .pct_change() 方法用于计算数据序列中相邻元素之间的百分比变化。它对于分析时间序列数据、金融数据等非常有用，可以用来计算增长率、收益率等指标。

.pct_change() 方法默认计算每个元素与其前一个元素之间的百分比变化。公式如下：

Percentage Change=(Current Value−Previous Value​) / Previous Value

如果 Previous Value 为零或缺失（NaN），则结果将为 NaN。

df['pct_change'] = df['value'].pct_change()

.pct_change() 方法有多个参数，可以根据需要进行调整：

• periods：指定用于计算百分比变化的滞后期数。默认值为 1，表示计算当前值与前一个值之间的变化。

• fill_method：指定如何处理缺失值（NaN）。默认值为 'pad'，即使用前向填充方法。

• limit：指定在前向填充时的最大填充次数。仅当 fill_method='pad' 或 ffill 时有效。

• freq：指定重采样频率，适用于时间序列数据。

  ---

自然排序函数natsort

将1、10、2、33、4 排序为 1、2、4、10、33

import natsort as ns

ns.natsorted(num_list,reverse=True)

data.sort_values(day_cut,key=lambda val:np.argsort(index_natsorted(val)))

累积函数

cumsum、cumprod、cummax、cummin

计算序列中前n个数的累积 和、乘积、最大值、最小值

Isinstance查看一个对象是否是指定类的实例

if isinstance(num, int):
    return int(num)

dropna 过滤NaN函数

对于dataframe：

df.drop()	会丢弃掉 至少有一个NaN的行
df.drop(how='all')	会丢弃掉 全部为NaN的行
df.dropna(axis=1,how='all')	会丢弃掉 全部为NaN的列
df.dropna(axis=0,subset = [1])	会丢弃掉 "1"列中 有NaN的行

\

对于Series：默认丢弃含有缺失值的行。

%timeit 计时，查看语句运行时间

%timeit  运行语句

执行多次，取平均性能

Shuffle  把数据随机打散

Shuffle（df）

drop_duplicates去重详解

根据数据的不同情况及处理数据的不同需求，通常会分为两种情况，一种是去除完全重复的行数据，另一种是去除某几列重复的行数据，就这两种情况可用下面的代码进行处理。

1. 去除完全重复的行数据

data.drop_duplicates(inplace=True)  （不需要重新赋值）

2. 去除某几列重复的行数据

data.drop_duplicates(subset=['A','B'],keep='first',inplace=True)

subset： 列名，可选，默认为None

keep： {‘first’, ‘last’, False}, 默认值 ‘first’

• first： 保留第一次出现的重复行，删除后面的重复行。
• last： 删除重复项，除了最后一次出现。
• False： 删除所有重复项。

inplace：布尔值，默认为False，是否直接在原数据上删除重复项或删除重复项后返回副本。（inplace=True表示直接在原来的DataFrame上删除重复项，而默认值False表示生成一个副本。）

.values.tolist() 数组转列表

 

strftime('%y-%m-%d')与dt.date 时间

strftime(’%y-%m-%d’)、dt.date都可以将2020-02-02 14:01:01转化为2020-02-02，但如果有Nan值strftime(’%y-%m-%d’)将报错，dt.date不会报错。