80_Pandas如何使用NumPy的函数等（pd.np）

80_Pandas如何使用NumPy的函数等（pd.np）

在导入pandas的同时也会导入NumPy模块，并且可以通过pd.np访问NumPy模块。仅通过导入pandas就可以使用NumPy的函数等，而无需显式导入NumPy。

当使用Jupyter Notebook等工具导入pandas时，如果需要使用NumPy的函数等，不需要额外导入NumPy，因此在编写临时代码时非常方便。

当然，如果需要多次使用NumPy的函数等，为了代码更加清晰，建议显式导入NumPy。

以下内容将会进行说明：

pd.np与np是同一个对象

pd.np的使用方法

<<注意 - 2020-02-01更新>>

在pandas 1.0.0版本中，pd.np被标记为已弃用（Deprecated）。在1.0.0版本时仅会显示警告（FutureWarning），但未来将会彻底移除，请注意。

What’s new in 1.0.0 (January 29, 2020) - Deprecations — pandas 1.0.0 documentation

DEPR: Remove pandas.np · Issue #30296 · pandas-dev/pandas

pd.np与np是同一个对象

如下所示，通过print()输出pd.np，可以确认其为NumPy模块。

import pandas as pd

print(pd)

# <module 'pandas' from '/usr/local/lib/python3.7/site-packages/pandas/__init__.py'>

print(pd.np)

# <module 'numpy' from '/usr/local/lib/python3.7/site-packages/numpy/__init__.py'>

接着导入NumPy并进行比较，可以确认pd.np与np是同一个对象。当然，其包含的函数等对象也是相同的。

import numpy as np

print(pd.np is np)

# True

print(pd.np.mean is np.mean)

# True

pd.np的使用方法

将使用NumPy时导入的np替换为pd.np即可使用。

a = pd.np.arange(12).reshape(3, 4)

print(a)

# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

print(type(a))

# <class 'numpy.ndarray'>

除了各种函数以外，还可以使用NumPy中定义的值（常数），如圆周率pi和自然对数的底e等。

print(pd.np.pi)

# 3.141592653589793

print(pd.np.e)

# 2.718281828459045