四个好用却可能不为人所熟知的Pandas函数，建议收藏！！！

奉献更多优质内容

在数据分析的过程中，相信大家用的最多的就是Pandas库，无论是统计分析还是可视化等等，Pandas都给我们提供了诸多便利。今天小编就来和大家说说在Pandas库中那些不为人所熟知但是却十分好用的函数，希望大家看了之后也能够受益匪浅

01

PART

idxmax()和idxmin()

从函数名称中我们就能直观的理解这几个函数的作用--返回最大值或者是最小值的索引，这里我们用到的数据集是“泰坦尼克号”乘客信息的数据集（是的，就是那个家喻户晓的kaggle入门级别的项目的数据集），假设我们要找到年龄最小或者最大的乘客的姓名，我们可以这么做，

但是酱紫稍显繁琐，要是我们运用上述提到的函数就可以，

输出的结果都是一致，但是显得更加的简洁与高效

02

PART

      cut()

简而言之，cut()函数能够将数值划分成等额的数份，比如还是“泰坦尼克号”数据集中有代表乘客年龄的数据，我们将乘客的年龄等额的划分成5份，

第一位乘客的年龄在16与32岁之间，第二位乘客的年龄则在32到48岁之间等等。或者你想用数字来代替图中的区间，则可以用

03

PART

nsmallest和nlargest

从函数名中，我们就能轻松的领悟到函数的作用了，比方说我们想找到在泰坦尼克号乘船中，年龄最大的3位乘客的姓名是什么，我们则可以

04

PART

     pivot_table

也许大多数人都有在Excel中使用数据透视表的经历，其实Pandas也提供了类似的功能，名为pivot_table，比方说我们想查找出数据集当中，三等舱男性的平均生存率，我们可以通过层层筛选来得出结论，

但假如我们想查找船舱中不同性别不同等级的客舱的平均生还率时，pivot_table就是一个非常好的工具，我们可以将性别设置成为索引，每一列代表客舱的等级，计算的方式则是采用取平均，也就是mean，如下图所示，

在Pandas库当中能够帮我们显著提效的函数还有很多，但是数据分析说到底也只是一种工具，来帮助我们发现与分析问题，但是要落实到解决问题，靠的依然是对业务的理解与思考。所以很多时候，做一个深度思考者比使用工具来的更加的重要，五一快乐！