前言
本篇文章會沿用上一篇的資料，告訴大家一些Pandas中常用且功能強大的函數，並詳細介紹這些函數的使用方法與語法，希望能幫助大家在進行分析時，更加方便
import pandas as pd
df=pd.read_csv('nba.csv')iloc & loc 選取資料
df.iloc[200:300,1:6]
iloc[列:欄]，這是iloc的語法邏輯，因為iloc是用index的概念，所以都是用數字來選取，如此例子就是第200到299列，第一到第五欄的資料。
df.iloc[-100:,[5,2,3,8]]
有時候我們選取的欄位會不連續，可以參考此語法，此例是倒數100列資料，第6、3、4、9欄，我們輸入的欄位順序，也會是表格資料呈現的順序
df_new=df.loc[:,['player_name', 'team_abbreviation', 'age',
'player_height', 'player_weight', 'college', 'country', 'draft_year',
'draft_round','gp', 'pts', 'reb', 'ast','season']]
df_new.head()
loc與iloc不同的是，如果我們的索引值或欄位名稱不是數字時，我們就是使用索引或欄位名字才能進行選取，本例子選取這14個欄位，建立一個df_new的新表格
rename 更換欄名
df_new=df_new.rename(columns={"player_name":'name',"team_abbreviation":'team'})
df_new.head()
更換欄位名稱，使用rename函數
reset_index 重設索引值
df_1920=df_new[df_new['season']=='2019-20']
df_1920=df_1920.reset_index(inplace=False)
df_1920.head()
我們選取19-20賽季，建立一個新表格，然而此時用reset_index，重新設定索引值，索引值就會從0開始
df_1920=df_1920.drop('index',axis=1)
df_1920.head()
再用drop函數，刪除”index”欄位，就建立好一個19-20賽季的表格了
sort_values 排序大小
df_1920.sort_values(by='pts',ascending=False).head()
根據”pts”欄位排序大小，如果要遞減排序，由大到小，ascending = False即可
df_1920.sort_values(by='pts',ascending=True).head()
根據”pts”欄位排序大小，如果要遞增排序，由小到大，ascending = True即可
欄位運算
df_1920['Total_pts']=df_1920['gp']*df_1920['pts']
df_1920['Total_reb']=df_1920['gp']*df_1920['reb']
df_1920['Total_ast']=df_1920['gp']*df_1920['ast']
df_1920.head()
也可以用原有欄位建立新欄位，我們這裡分別將原有的平均得分、籃板、助攻乘上出賽場數，得出總得分、總籃板、總助攻
value_counts 次數計算
df_1920['country'].value_counts().head(10)
計算country這個欄位當中，球員來自各國家的數量，來自美國的球員有394位，來自加拿大的有19位
df_1920['country'].value_counts(normalize=True).head(10)
如果想要顯示的是比率不是次數，加入normalize=True即可，約有76.6%球員來自美國，3.69%來自加拿大
groupby 聚合函數
(df_1920.groupby('team')[['Total_pts','Total_reb','Total_ast']].sum()
.sort_values(by=(['Total_pts','Total_reb','Total_ast']),
ascending=[0,0,1]).head())
本例根據”team”這個欄位做聚合，然後將’Total_pts’,’Total_reb’,’Total_ast’加總起來，再依’Total_pts’,’Total_reb’,’Total_ast’進行排序，先根據”Total_pts”欄位排序，ascending=0代表遞減排列，如果出現相同數值，再根據”Total_reb”此欄位進行遞減排序，以此類推，我們可以看到PHI(費城76人)總得分最高，DAL(達拉斯小牛)排名全聯盟第二。
(df_1920.groupby(['draft_round','country'])[['Total_pts','Total_reb','Total_ast']]
,ascending=False).head(6))
也可以一次聚合兩個欄位，本例一次聚合”draft_round”、”country”這兩個欄位，可以看到第一輪選秀且來自美國的球員總和總得分排名最高
stack、unstack 樞杻反樞杻
(df_1920.groupby(['draft_round','country'])[['Total_pts','Total_reb','Total_ast']]
.sum().sort_values(by='Total_pts',ascending=False).head(6).unstack())
可以跟上一個結果做比較，country為一個欄位，然而當進行unstack()反樞杻後，當中的每一個國家都會自成立一個欄位，變成很多欄位的資料
(df_1920.groupby(['draft_round','country'])[['Total_pts','Total_reb','Total_ast']]
.sum().sort_values(by='Total_pts',ascending=False)
.head(6).unstack().stack())
如果進行unstack後再stack後，就可以變為最初的型態了。
pivot_table 樞紐分析表
(df_1920.pivot_table(values='pts',columns=['draft_round'],
index=['country'],margins=True,fill_value=0,sort=True
,margins_name="Sum").tail())
除了groupby函數可以進行聚合計算外，當然也可以直接使用樞紐分析表pivot_table，選定數值=”pts”，欄位=”draft_round”，列=”country”即可進行運算，margins=True,代表顯示總和列跟欄，如果有空值，使用fill_value 將空值填上0，pivot_table也是資料分析的好工具，大家可以善加使用
split、replace、contains 字串處理
df_1920['season'].str.split("-",expand=True)
原先資料是”2019-20″，因此如果我們要對這個欄位進行分割，可以使用split函數，根據”-“這個符號分割，expand=True，如圖所示，分割後的資料就會生產新的兩欄了
df_1920['draft_round'].str.replace("Undrafted",'Snub')
字串中要取代文字用replace函數，將原先的”Undrafted”落選取代成”Snub”遺珠
df_1920[df_1920['name'].str.contains("Curry|James")]
用contains函數篩選出”name”這欄中名字含有”Curry”或”James”的選手
qcut、cut 分組
pd.qcut(df_1920['pts'],7)
qcut是根據相等的的百分位距進行分組，本例根據7個相等的百分位距對”pts”進行分組，如圖顯示，再-0.001~2.029為同一組，以此類推
df_1920['Score_level_qcut']=pd.qcut(df_1920['pts'],7,
labels=["G","F","E","D","C","B","A"])
df_1920['Score_level_qcut'].value_counts()
我們根據qcut進行分組，再給予每一組一個標籤，再由value_counts()函數計算後，可以發現每一組的個數都差不多，說明qcut是根據百分位數進行分組
df_1920['Score_level_cut']=pd.cut(df_1920['pts'],bins=[0,5,10,15,20,25,30,35],labels=["G","F","E","D","C","B","A"])
df_1920['Score_level_cut'].value_counts(ascending=True)
我們也可以根據cut函數自訂分組的標準，本例子是根據 0~5、 30~35 分成7組，再給予每一組一個標籤，再由value_counts()函數計算後，可以發現每一組的個數有明顯差異，其中在30~35分的選手只有兩位
因此如果想要每組的個數都相同就使用qcut，想要每組個數有明顯差異就用cut，自訂間距
lambad、apply、def 條件建立
df_1920['reb'].apply(lambda x: 'good' if x>3.6 else 'bad')
有時候我們需要根據原有欄位下條件產生新欄位，如果當條件只有兩個時可以用lambda函數，本例子是指當”reb”的籃板數量大於3.6個時，顯示”good” ，反之，也就是小於3.6個時，顯示”bad”
def reb_ability(x):
if x >10 :
return "excellent"
elif x >5:
return "good"
else:
return "bad"
df_1920['reb'].apply(reb_ability).head(15)
然而當我們的條件三個或三個以上，建議使用def先自訂一個函數，本例的意思是當”reb”籃板數量大於10個時，顯示”excellent”，介於5~10之間，顯示”good”，如果小於5個，顯示”bad”，最後再用apply函數做連結即可
get_dummies 虛擬變數
pd.get_dummies(df_1920['draft_round'])
進行資料分析時，有時候需要將類別轉成數值，因此虛擬變數會是一個很好的解決方法，如圖”draft_round”，這一欄會有三種資料為1、2、Undrafted，分別代表第一輪、第二輪跟落選，虛擬變數的做法就是建立三個新欄位，如果原資料是1，那就會在1那一欄顯示1，其他兩欄顯示0，這種做法在羅吉斯回歸常會用到，大家可以學起來。
結論與後續
本篇文章提供很多Pandas當中常用的函數與分析技巧，希望能幫助您在處理資料時更順利，之後也會針對時間資料，介紹一些常用的函數以及更多的Pandas技巧，希望大家多多關注，感謝觀閱，您的支持是我們進步的最大動力。
作者：TKH
企業管理學碩士，對 Python、資料科學有滿滿的熱忱，就讀碩士期間開始學習程式語言、機器學習，並於碩士論文使用深度學習 LSTM 進行股價預測。
