esproc vs python 2 简单计算

 

1.添加AgeFullname字段

esproc


A

1

=now()

2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")

3

=A2.import@t()

4

=A3.derive(age(BIRTHDAY):Age,NAME+""+SURNAME:Fullname)

5

=interval@ms(A1,now())

A4:我们用T表示序表。T.derive()表示增加字段。这里用age(日期)计算出年龄,作为Age字段。用NAME,SURNAME得到Fullname

A5:计算运算时间(interval:计算时间间隔。@ms表示以毫秒为单位)

python

import time

import pandas as pd

import datetime

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

today = datetime.datetime.today().year

data["Age"] = today-pd.to_datetime(data["BIRTHDAY"]).dt.year

data["Fullname"]=data["NAME"]+data["SURNAME"]

print(data)

e = time.time()

print(e-s)

计算出BIETHDAY字段的值(日期)距今天的年数,作为年龄字段。用NAME+SURNAME作为Fullname字段

结果

esproc:

python:

 


耗时

esproc

0.008

python

0.020

 

 

2.提取需要的记录或者字段(前3个字段,第3~10条记录)

esproc


A

1

=now()

2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")

3

=A2.import@t()

4

=A3.new(#1,#2,#3).to(3:10)

5

=interval@ms(A1,now())

A4T.new()表示新建序表。这里以第1,2,3个字段作为新表的字段。T.A,表示取出序列中包含的行

python

import time

import pandas as pd

import datetime

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

data = data.iloc[2:10,:3]

print(data)

e = time.time()

print(e-s)

使用df.iloc[]切片获得3~10条记录,前三个字段(dataframe的字段号和记录号都是从0开始计数的)。

结果:

esproc:

python:


耗时

esproc

0.008

python

0.010

 

3.筛选符合条件的记录

esproc


A

1

=now()

2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")

3

=A2.import@t()

4

=A3.select(STATE=="California")

5

=interval@ms(A1,now())

A4T.select()筛选符合条件的记录。这里是筛选STATE=="California"为真的记录

python

import time

import pandas as pd

import datetime

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

data = data[data['STATE']=="California"]

print(data)

e = time.time()

print(e-s)

取出data['STATE']=="California"的记录

结果:

esproc:

python:


耗时

esproc

0.007

python

0.028

 

4.计算字段的常用值


A

1

=now()

2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")

3

=A2.import@t()

4

=A3.min(SALARY)

5

=A3.max(SALARY)

6

=A3.avg(SALARY)

7

=A3.sum(SALARY)

8

=A3.(SALARY).median()

9

=A3.(float(SALARY)).variance()

10

=interval@ms(A1,now())

A4:T.min()计算字段最小值

A5:T.max()计算字段最大值

A6:T.avg()计算字段平均值

A7:T.sum()计算字段总和

A8:计算字段中位数。A.median(k:n)函数,参数全省略时,如果序列长度是奇数返回中间位置值;如果序列长度是偶数返回中间两个值的平均值。

A9:T.variance()计算字段方差。

python

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

min = data["SALARY"].min()

max = data["SALARY"].max()

avg = data["SALARY"].mean()

sum = data["SALARY"].sum()

median = data["SALARY"].median()

var = data["SALARY"].var()

print(min,max,avg,sum,median,var)

e = time.time()

print(e-s)

df[字段名]表示取得字段。min(),max(),mean(),sum(),median(),var()分别计算最小值,最大值,平均数,总和,中位数,方差。

结果

常用计算

esproc

python

说明

最小值

3000

3000


最大值

16000

16000


平均值

7395

7395.0


总和

3697500

3697500


中位数

7000.0

7000.0


方差

5324475

5335145.29

总体方差和样本方差的区别

耗时

0.004

0.007


 

5.统计各部门员工的男女人数

esproc


A

1

=now()

2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")

3

=A2.import@t()

4

=A3.groups(DEPT:Dept;count(GENDER=="M"):Mcount,   count(GENDER=="F"):Fcount)

5

=interval@ms(A1,now())

A4T.groups()表示以DEPT分组,计算GENDER==M”或GENDER==F”的值,得到各部门男女员工的数量。

python

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

group = data.groupby(['DEPT','GENDER']).size()

print(group)

e = time.time()

print(e-s)

截取GENDER==M’或者GENDER==F’的切片以DEPT通过goupby()函数得到以DEPT的分组。最后用size()函数得到结果。

结果:

esproc   

python


耗时

esproc

0.004

python

0.008

 

6.统计男女员工的平均年龄

esproc


A

1

=now()

2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")

3

=A2.import@t()

4

=A3.groups(GENDER;avg(age(BIRTHDAY)):Age)

5

=interval@ms(A1,now())

A4T.groups()用来分组,avg()计算平均值,age()根据日期计算时间间隔。

python

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

data["Age"] = today-pd.to_datetime(data["BIRTHDAY"]).dt.year

avg_age = data.groupby('GENDER')['Age'].mean()

print(avg_age)

e = time.time()

print(e-s)

计算得到Age字段。然后用groupby()函数以GENDER分组,最后通过mean()函数得到平均值。

结果:

esproc

python


耗时

esproc

0.005

python

0.008

 

7.计算员工薪酬比前一名员工高的最大人数

esproc


A

1

=now()

2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")

3

=A2.import@t()

4

=a=0,A3.max(a=if(SALARY>SALARY[-1],a+1,0))

5

=interval@ms(A1,now())

A4if(condition,x1,x2)表示如果条件成立,if语句的值为x1,否则值为x2,在这儿计算如果SALARY比前一个员工薪水高的话a=a+1。从而得到A3.(a),其中a随着if语句不断的变化。最后得到一个序列,max()函数得到最大值。

python

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

a=0 ; m=0

for i in data['SALARY'].shift(0)>data['SALARY'].shift(1):

    a=0 if i==False else a+1

    m = a if m < a else m

print(m)

e = time.time()

print(e-s)

df.shift(0)表示当前记录,df.shift(n)表示前面第n条记录,data['SALARY'].shift(0)>data['SALARY'].shift(1) 得到pandasseries结构。循环如果为假(False)表示当前记录小于或等于上一条记录,把a0,如果为真则加1m的作用:当m<a时,把a赋值给m,否则m不变,最终得到a的最大值。

结果:


最大人数

耗时

esproc

4

0.005

python

4

0.008

 

8.每个字段随机设置5-10个缺失值

esproc


A

B

1

=now()                   


2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE_nan.txt")


3

=A2.import@t()


4

for A3.fno()

>A3.sort(rand()).to(5+rand(6)).field(A4,null)

5

=interval@ms(A1,now())


A4T.fno()得到序表的字段数量。

B4T.fieldf,x)将x序列中的成员依次赋值给A中第F个字段的字段值或者字符串参数F的值。F<0时从后往前排。F越界和不存时不执行

python

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

for i in data.columns:

    for j in range(random.randint(5,10)):

        data[i][random.randint(0,500)]=np.nan

print(data)

e = time.time()

print(e-s)

循环所有的字段,随机循环5~10次,将字段的某个随机值设置成np.nan

结果:


耗时

esproc

0.008

python

0.710

 

9.丢弃缺失值

esproc


A

1

=now()

2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE_nan.txt")

3

=A2.import@t()

4

=A3.select(!~.array().pos(null))

5

=interval@ms(A1,now())

A4:筛选null所在位置为空的记录,即不包含null的记录。用r表示记录,r.array()表示把r中的字段值返回成序列。A.pos()获得序列成员序号。

python

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE_nan.txt",sep="\t")

data = data.dropna()

print(data)

e = time.time()

print(e-s)

使用dropna()函数得到不包含np.nan的记录

结果:


耗时

esproc

0.003

python

0.033

 

10.第一列用序列直接替换,其他列的缺失值使用其中的一个随机值填补

esproc


A

B

1

=now()


2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE_nan.txt")


3

=A2.import@t()


4

>A3.field("EID",to(A3.len()))


5

for 2,A3.fno()

=A3.select(!~.field(A5)   )

6


=A3\B5

7


>B5.run(~.field(A5,B6(rand(B6.len())+1).field(A5)))

8

=interval@ms(A1,now())


A4T.field(F,A) A序列中的成员依次赋值给T中第F个字段的字段值或者字符串参数F的值。

B5:筛选字段为null的记录

B6:差集,得到不为null的记录

B7:这里需要特别注意一下field()函数,r.field(F)取得记录的第F个字段的字段值或者字符串参数F的值。r.field(F,X) 修改记录r中第F个字段的字段值或者字符串参数F的值为xA3.select(#${A5}==null)取出A3中某个字段为null的记录序列,用run()函数循环修改该序列中的每条记录。

python

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE_nan.txt",sep="\t")

data['EID']=pd.Series([i for i in range(1,len(data)+1)])

for col in data.columns:

    nonan_list = list(data[col][~pd.isna(data[col])])

    fill_list = [nonan_list[random.randint(0,len(nonan_list))] for i in range(len(data[col][pd.isna(data[col])]))]

    data[col][pd.isna(data[col])]=fill_list

e = time.time()

print(e-s)

将字段名为EID的值修改为递增的序列。这里用pd.Series()生成。

循环所有字段。df[col][pd.isna(df)]得到df中包含nan的值。~表示非。nonan_list表示当前列不包含nan的所有值组成的listfill_list表示随机生成的要填充nan的值的list

fill_list中的值赋值给包含nan的记录。

结果:

esproc

python


耗时

esproc

0.008

python

0.144

 

11.EID字段用序列直接替换,SALARY字段用均值填补缺失值,其他字段的缺失值使用其中的一个随机值填补

esproc


A

B

1

=now()


2

=file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE_nan.txt")


3

=A2.import@t()


4

>A3.field("EID",to(1,A3.len()))


5

for 2,A3.fno()-1

=A3.group(!~.field(A5))

6


=B5(1).(~.field(A5))

7


>B5(2).run(~.field(A5,B6(rand(B6.len())+1)))

8

=A3.avg(SALARY)


9

=A3.select(!SALARY).run(~.field("SALARY",A8))


10

=interval@ms(A1,now())


上例中,B5,B6的运算会导致把序列遍历两遍,这里进行了改进

B5:A.group(xi) 将序列/排列按照一个或多个字段/表达式进行等值分组,结果为组集构成的序列。这里是将序表分成两组,第一组为该字段不包含null的,第二组为包含null的。

B6:取得该字段去重后的字段值

B7:这里需要特别注意一下field()函数,r.field(F)取得记录的第F个字段的字段值或者字符串参数F的值。r.field(F,X) 修改记录r中第F个字段的字段值或者字符串参数F的值为xr.run(xi,…),针对记录r计算表达式x,最后返回记录r。此函数通常用于修改r的字段值

B9:和B7的原理一样,利用field()函数修改SALARY的字段值为A8中计算出来的平均值。

python

s = time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE_nan.txt",sep="\t")

data['EID']=pd.Series([i for i in range(1,len(data)+1)])

 

for col in list(data.columns)[1:-1]:

    nonan_list = list(data[col][~pd.isna(data[col])])

    fill_list = [nonan_list[random.randint(0,len(nonan_list))] for i in range(len(data[col][pd.isna(data[col])]))]

    data[col][pd.isna(data[col])]=fill_list

data['SALARY'].fillna(data['SALARY'].mean(),inplace=True)

print(data.loc[180:190])

print(e-s)

将字段名为EID的值修改为递增的序列。这里用pd.Series()生成。

循环所有字段第一到倒数第二个字段。df[col][pd.isna(df)]得到df中包含nan的值。~表示非。nonan_list表示当前列不包含nan的所有值组成的listfill_list表示随机生成的要填充nan的值的list

fill_list中的值赋值给包含nan的记录。

df.fillna(df[s].mean())表示用字段s的平均值填充缺失值。

结果:

esproc

python


耗时

esproc

0.006

python

0.165

 

 

小结:本节我们用11个例子对数据进行简单的计算,esprocpython都用到了比较多的函数,还用到了一些相对复杂的组合应用,这就不得不说esproc现阶段的一个缺点了,查阅资料和使用案例相对于python太少了,原因就是使用者太少。但是在描述效率和执行效率方面,esproc的优势太明显了,因此我们要多使用esproc提高工作效率,同时也可以完善esproc的缺点。esproc中的函数功能很强大,需要不断的使用,来充分理解函数的用法,达到熟能生巧最终精通的地步。

 

 


EMPLOYEE.txt
EMPLOYEE_nan.txt