8个Python高效数据分析的技巧
一行代码定义List
下面是使用For循环创建列表和用一行代码创建列表的对比。
x = [1,2,3,4]
out = []
for item in x:out.append(item**2)
print(out)
[1, 4, 9, 16]
# vs.
x = [1,2,3,4]
out = [item**2 for item in x]
print(out)
[1, 4, 9, 16]
Lambda表达式
厌倦了定义用不了几次的函数? Lambda表达式是你的救星! Lambda表达式用于在Python中创建小型,一次性和匿名函数对象。 它能替你创建一个函数。
lambda表达式的基本语法是:
lambda arguments: expression
请注意,只要有一个lambda表达式,就可以完成常规函数可以执行的任何操作。 你可以从下面的例子中,感受lambda表达式的强大功能:
double = lambda x: x * 2
print(double(5))
10
Map和Filter
一旦掌握了lambda表达式,学习将它们与Map和Filter函数配合使用,可以实现更为强大的功能。
具体来说,map通过对列表中每个元素执行某种操作并将其转换为新列表。 在本例中,它遍历每个元素并乘以2,构成新列表。 请注意,list()函数只是将输出转换为列表类型。
# Map
seq = [1, 2, 3, 4, 5]
result = list(map(lambda var: var*2, seq))
print(result)
[2, 4, 6, 8, 10]
Filter函数接受一个列表和一条规则,就像map一样,但它通过比较每个元素和布尔过滤规则来返回原始列表的一个子集。
# Filter
seq = [1, 2, 3, 4, 5]
result = list(filter(lambda x: x > 2, seq))
print(result)
[3, 4, 5]
Arange和Linspace
Arange返回给定步长的等差列表。 它的三个参数start、stop、step分别表示起始值,结束值和步长, 请注意,stop点是一个“截止”值,因此它不会包含在数组输出中。
# np.arange(start, stop, step)
np.arange(3, 7, 2)
array([3, 5])
Linspace和Arrange非常相似,但略有不同。 Linspace以指定数目均匀分割区间。 所以给定区间start和end,以及等分分割点数目num,linspace将返回一个NumPy数组。 这对绘图时数据可视化和声明坐标轴特别有用。
# np.linspace(start, stop, num)
np.linspace(2.0, 3.0, num=5)
array([ 2.0, 2.25, 2.5, 2.75, 3.0])
Axis代表什么?
在Pandas中,删除一列或在NumPy矩阵中求和值时,可能会遇到Axis。 我们用删除一列(行)的例子:
df.drop('Column A', axis=1)
df.drop('Row A', axis=0)
如果你想处理列,将Axis设置为1,如果你想要处理行,将其设置为0。 但为什么呢? 回想一下Pandas中的shape
df.shape
(# of Rows, # of Columns)
从Pandas DataFrame中调用shape属性返回一个元组,第一个值代表行数,第二个值代表列数。如果你想在Python中对其进行索引,则行数下标为0,列数下标为1,这很像我们如何声明轴值。
Concat,Merge和Join
如果您熟悉SQL,那么这些概念对您来说可能会更容易。 无论如何,这些函数本质上就是以特定方式组合DataFrame的方式。 在哪个时间跟踪哪一个最适合使用可能很困难,所以让我们回顾一下。
Concat允许用户在表格下面或旁边追加一个或多个DataFrame(取决于您如何定义轴)。
Merge将多个DataFrame合并指定主键(Key)相同的行。
Join,和Merge一样,合并了两个DataFrame。 但它不按某个指定的主键合并,而是根据相同的列名或行名合并。
Pandas Apply
Apply是为Pandas Series而设计的。如果你不太熟悉Series,可以将它想成类似Numpy的数组。
Apply将一个函数应用于指定轴上的每一个元素。 使用Apply,可以将DataFrame列(是一个Series)的值进行格式设置和操作,不用循环,非常有用!
df = pd.DataFrame([[4, 9],] * 3, columns=['A', 'B'])dfA B
0 4 9
1 4 9
2 4 9df.apply(np.sqrt)A B
0 2.0 3.0
1 2.0 3.0
2 2.0 3.0df.apply(np.sum, axis=0)
A 12
B 27df.apply(np.sum, axis=1)
0 13
1 13
2 13
Pivot Tables
最后是Pivot Tables。 如果您熟悉Microsoft Excel,那么你也许听说过数据透视表。 Pandas内置的pivot_table函数以DataFrame的形式创建电子表格样式的数据透视表,,它可以帮助我们快速查看某几列的数据。 下面是几个例子:非常智能地将数据按照“Manager”分了组
pd.pivot_table(df, index=["Manager", "Rep"])
或者也可以筛选属性值
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"])
8个Python高效数据分析的技巧相关推荐
- 8 个 Python 高效数据分析的技巧
(给视学算法加星标,提升数据技能) 编译:专知/Yingying, Jiahui,英文原作:Conor Dewey 不管是参加Kaggle比赛,还是开发一个深度学习应用,第一步总是数据分析,这篇文章介 ...
- 送你8个Python高效数据分析的技巧(附代码)
来源:专知 本文共1300字,建议阅读5分钟. 本文介绍的数据分析方法,不仅能够提升运行效率,还能够使代码更加"优美". 不管是参加Kaggle比赛,还是开发一个深度学习应用,第一 ...
- python词汇网络分析_8个Python高效数据分析的技巧!
文章来源于网络 来源|CSDN 这篇文章介绍了8个使用Python进行数据分析的方法,不仅能够提升运行效率,还能够使代码更加"优美". 定义某种列表时,写For 循环过于麻烦,幸运 ...
- python apply函数_8 个 Python 高效数据分析的技巧
(给Python开发者加星标,提升Python技能) 编译:专知/Yingying, Jiahui,英文原作:Conor Dewey 不管是参加Kaggle比赛,还是开发一个深度学习应用,第一步总是数 ...
- 18 个 Python 高效编程小技巧
初识Python语言,觉得python满足了你上学时候对编程语言的所有要求.python语言的高效编程技巧让那些曾经苦逼学了四年c或者c++的人,兴奋的不行不行的,终于解脱了.高级语言,如果做不到这样 ...
- python一行输出多个数据_Python高效数据分析的8个技巧
原标题:Python高效数据分析的8个技巧 开发一个深度学习应用,第一步总是数据分析,这篇文章介绍了8个使用Python进行数据分析的方法,不仅能够提升运行效率,还能够使代码更加"优美&q ...
- 如此优秀,这18个 Python 高效编程技巧真的太香了
初识 Python 语言,觉得 Python 满足了我上学时候对编程语言的所有要求.python语言的高效编程技巧让我们这些大学曾经苦逼学了四年c或者c++的人,兴奋的不行不行的,终于解脱了. 高级语 ...
- python多线程挂了_python多线程输入的问题 python高效编程技巧13(如何在线程之间实现...
python3 创建线程时不用args传参,执行线程时为什如果创建线程时在target里就传入了参数,为什么在启动线程时,线程不是在Python多线程下,每个线程的执行方式: 有什么了不起,大不了继续 ...
- python高效开发实战配套源文件_分享12个python使用技巧,助你轻松掌握Python高效开发...
前言: 欢迎大家收看分享12个python使用技巧,助你轻松掌握Python高效开发!部分代码用图片的方式呈现出来,方便各位观看与收藏,要是喜欢的话,记得一定不要忘记点赞关注嗷! 内容如下: 1. 隐 ...
最新文章
- java 成绩 排名算法_Java计算成绩平均值和排名
- Linux之Nginx
- 面向函数范式编程(Functional programming)
- CentOS 7 防止端口自动关闭
- [转]numpy中的np.max 与 np.maximum区别
- linux系统中删除一次性任务流程,Linux系统中的计划任务
- 如何在 iPhone、iPad、iPod touch 或 Mac 更新 HomePod?
- 长春技师学院计算机专业,中专院校 / 中专技校 / 长春市技师学院
- al换脸一键生成_使用al生成详细的课程计划
- 网络工程师 运维工程师 面试题
- python计算身份证号18位_身份证第18位(校验码)的计算方法
- 求知以解惑 温故而知新 ——重读哥德尔之一(开篇)
- 斑马Zebra LP2844 打印机驱动
- 金多多配资提示指数方面不用过火纠结
- 曾推出Anki Drive和Cozmo人工智能机器人的独角兽企业Anki谢幕
- 理解Java虚拟机(七)低延迟垃圾收集器-Shenandoah
- PCIE TLP报文
- Block 基本使用介绍
- 详解 CSS3中最好用的布局方式——flex弹性布局(看完就会)
- 设计可复用的OO软件
热门文章
- 关于SQL的Group By
- bambook引起的adb启动异常的问题
- 做Web应用程序时应该如何面向对象杂谈
- 作为一个职场中人的一些思考,关于做事的方式和思路
- centos6.5远程桌面连接(VNC\SPice)
- git笔记之解决eclipse不能提交jar等文件的问题
- Fedora17安装SSH
- “中序表达式”转换为“前序表达式”、“后序表达式”
- Android SDK Manager无法显示可供下载的未安装SDK解决方案
- KDD Cup 2020 Debiasing比赛冠军技术方案及在美团广告的实践