Numpy其實是最早的處理數據的Python庫，它的核心ndarray對象，是一個高效的n維數組結構。
通過這個庫，可以高效的完成向量和矩陣運算，由於其出色的性能，很多其他的數據分析，科學計算或者機器學習相關的Python庫都或多或少的依賴於它。
Pandas就是其中之一，Pandas充分利用了NumPy的數組運算功能，使得數據處理和分析更加高效。
比如，Pandas中最重要的兩個數據結構Series和DataFrame在內部就使用了NumPy的ndarray來存儲數據。
在使用Pandas進行數據分析的過程中，按條件檢索和過濾數據是最頻繁的操作。
本文介紹兩種通過結合Numpy，一方面讓Pandas的檢索過濾代碼更加簡潔易懂，另一方面還能保障檢索過濾的高性能。
1. 準備數據
第一步，先準備數據，這次使用二手房交易數據，可從 https://databook.top/lianjia/nj 下載。
import pandas as pd
import numpy as np
# 這個路徑替換成自己的路徑
fp = r'D:\data\南京二手房交易\南京江寧區.csv'
df = pd.read_csv(fp)
df.head()
2. 一般條件判斷（np.where）
比如，買房前我們想先分析下已有的成交信息，對於房價能有個大致的印象。
下面，按照總價和單價，先挑選總價200~300萬之間，或者單價1萬以下的成交信息。
符合條件返回“OK”，否則返回“NG”。
def filter_data(row):
if row["totalPrice"] > 200 and row["totalPrice"] < 300:
return "OK"
if row["unitPrice"] < 10000:
return "OK"
return "NG"
df["評估"] = df.apply(filter_data, axis=1)
df[df["評估"] == "OK"].head()
上面的過濾數據寫法是使用Pandas時用的比較多的方式，也就是將過濾條件封裝到一個自定義函數（filter_data）中，然後通過 apply 函數來完成數據過濾。
下面我們用Numpy的 np.where 接口來改造上面的代碼。np.where類似Python編程語言中的if-else判斷，基本語法：
import numpy as np
np.where(condition[, x, y])
其中：
- condition：條件表達式，返回布爾數組。
- x 和 y：可選參數，
condition爲True，返回x，反之，返回y。
如果未提供x 和 y，則函數僅返回滿足條件的元素的索引。
改造後的代碼如下：
# 根據單價過濾
cond_unit_price = np.where(
df["unitPrice"] < 10000,
"OK",
"NG",
)
# 先根據總價過濾，不滿足條件再用單價過濾
cond_total_price = np.where(
(df["totalPrice"] > 200) & (df["totalPrice"] < 300),
"OK",
cond_unit_price,
)
df["評估"] = cond_total_price
df[df["評估"] == "OK"].head()
運行之後返回的結果是一樣的，但是性能提升很多。
如果數據量是幾十萬量級的話，你會發現改造之後的代碼運行效率提高了幾百倍。
3. 複雜多條件判斷（np.select）
上面的示例中，判斷還比較簡單，屬於if-else，也就是是與否的判斷。
下面設計一種更復雜的判斷，將成交信息評估爲“優良中差”4個等級，而不僅僅是“OK”和“NG”。
我們假設：
- 優：房屋精裝，且位於中樓層，且近地鐵
- 良：總價<300，且近地鐵
- 中：總價<400
- 差：其他情況
用傳統的方式，同樣是封裝一個類似filter_data的函數來判斷“優良中差”4個等級，然後用 apply 函數來完成數據過濾。
這裏就不演示了，直接看結合Numpy的np.select接口，高效的完成“優良中差”4個等級的過濾。
np.select類似Python編程語言中的match匹配，基本語法：
numpy.select(condlist, choicelist, default=0)
其中：
- condlist：條件列表，每個條件都是一個布爾數組。
- choicelist：與 condlist 對應的數組列表，當某個條件爲真時，返回該位置對應的數組中的元素。
- default：可選參數，當沒有條件爲真時返回的默認值。
# 設置 “優，良，中” 的判斷條件
conditions = [
df["houseInfo"].str.contains("精裝")
& df["positionInfo"].str.contains("中樓層")
& df["advantage"].str.contains("近地鐵"),
(df["totalPrice"] < 300) & df["advantage"].str.contains("近地鐵"),
df["totalPrice"] < 400,
]
choices = ["優", "良", "中"]
# 默認爲 “差”
df["評估"] = np.select(conditions, choices, default="差")
df.head()
這樣，就實現了一個對成交信息的分類。
4. 總結
np.where 和 np.select的底層都是向量化的方式來操作數據，執行效率非常高。
所以，我們在使用Pandas分析數據時，應儘量使用np.where 和 np.select來幫助我們過濾數據，這樣不僅能夠讓代碼更加簡潔專業，而且能夠極大的提高分析性能。