pandas和numpy有什么關系？

當我們使用Python進行數據分析時，有時可能需要根據DataFrame其他列中的值向pandas DataFrame添加一列。

盡管這聽起來很簡單，但是如果我們嘗試使用if-else條件語句來做，可能會變得有些復雜。值得慶幸的是，有一種使用numpy做到這一點的簡單，好方法!

要學習如何使用它，我們來看一個特定的數據分析問題。我們擁有4,000多個AAA教育推文的數據集。附有圖像的推文會獲得更多的贊和轉發嗎?讓我們做一些分析找出答案!

我們將從導入pandas和numpy開始，并加載數據集以查看其外觀。

我們可以看到我們的數據集包含有關每個推文的一些信息，包括：

1)date —推文發布的日期

2)time —發推文的時間

3)tweet -該推文的實際文本

4)mentions -推文中提及的任何其他Twitter用戶

5)photos —推文中包含的任何圖像的URL

6)replies_count -在推文上的回復數量

7)retweets_count -推文的轉發數

8)likes_count —在推文上的喜歡次數

我們還可以看到photos數據的格式有些奇怪。

使用np.where()添加具有正確/錯誤條件的pandas列

對于我們的分析，我們只想查看帶有圖像的推文是否獲得更多的交互，因此我們實際上不需要圖像URL。讓我們嘗試創建一個名為的新列hasimage，該列將包含布爾值- True如果該tweet包含圖像，False則不包含圖像。

為此，我們將使用numpy的內置where()函數。此函數按順序接受三個參數：我們要測試的條件，條件為true時分配給新列的值以及條件為false時分配給新列的值。看起來像這樣：

在我們的數據中，我們可以看到沒有圖像的推文始終[]在該photos列中具有值。我們可以使用信息并np.where()創建新列hasimage，如下所示：

在上方，我們可以看到我們的新列已添加到我們的數據集，并且已正確標記了tweet，其中包括圖像為True，其他圖像為False。

現在我們有了hasimage專欄，讓我們快速制作幾個新的DataFrame，一個用于所有圖像推文，一個用于所有無圖像推文。我們將使用布爾過濾器進行此操作：

現在，我們已經創建了那些，我們可以使用內置的數學函數.mean()來快速比較每個DataFrame中的推文。

我們將使用print()語句使結果更易于閱讀。我們還需要記住使用str()來將.mean()計算結果轉換為字符串，以便可以在我們的打印語句中使用它：

根據這些結果，似乎包括圖像可能會促進AAA教育的更多社群媒體的交互。有圖片的推文的平均贊和轉發次數是沒有圖片的推文的三倍。

添加條件更復雜的pandas專欄

這種方法效果很好，但是如果我們想添加一個條件更復雜的新列(超出True和False的條件)怎么辦?

例如，為了更深入地研究這個問題，我們可能要創建一些交互性“層”，并評估到達每個層的推文所占的百分比。為了簡單起見，讓我們使用Likes來衡量交互性，并將tweet分為四個層次：

1)tier_4 -2個或更少的喜歡

2)tier_3 — 3-9個贊

3)tier_2 — 10-15個贊

4)tier_1 — 16個贊

為此，我們可以使用稱為的函數np.select()。我們給它兩個參數：一個條件列表，以及一個我們想要分配給新列中每一行的值的對應列表。

這意味著順序很重要：如果conditions滿足列表中的第一個條件，則列表中的第一個值values將分配給該行的新列。大數據分析使用numpy在pandas dataframe上添加列https://www.aaa-cg.com.cn/data/2376.html如果滿足第二個條件，則將分配第二個值，等等。

讓我們看一下它在Python代碼中的外觀：

太棒了!我們創建了另一個新列，該列根據我們的(雖然有些武斷)層排名系統對每個tweet進行了分類。

現在，我們可以使用它來回答有關我們的數據集的更多問題。例如：1級和4級推文中有多少百分比具有圖像?

在這里，我們可以看到盡管圖像似乎有所幫助，但它們似乎并不是成功所必需的。

盡管這是一個非常膚淺的分析，但我們已經在這里實現了我們的真正目標：根據有關現有列中值的條件語句向pandas DataFrames添加列。

當然，這是可以以多種方式完成的任務。np.where()而np.select()只是許多潛在的兩種方法。

https://www.toutiao.com/i6846264263237960204/