用在数据科学上的 Python：你可能忘记的 8 个概念

Posted 2021-09-07 梦子mengy7762

列表推导式

在写循环的时候，每次定义一堆的列表是相当无聊的。幸运的是，Python 内置了一种名为列表推导式的方法，这种方法仅仅使用一行代码就可以解决这个问题。列表推导式刚开始对你来说可能有些困难，但是你一旦熟悉，你就会经常使用。

来源: Trey Hunner

下面的第一个例子是求每一个元素平方的的普通写法，第二个是列表推导式的写法。最后，如果你的时间不是很紧张，并且又想快速的提高，最重要的是不怕吃苦，建议你可以联系维：762459510 ，那个真的很不错，很多人进步都很快，需要你不怕吃苦哦！大家可以去添加上看一下~

Lambda 函数

Lambda 函数在 Python 中通常被用来构建应用次数比较少的的匿名函数。也就是让你构建一个了不带名字的函数。

Lambda 函数的基本语法如下：

lambda arguments: expression

普通函数能做的，Lambda 函数也都能做，只要它们能够写成一行。

Map 函数与 Filter 函数

当你掌握了 Lambda 函数，然后将 Lambda 函数和 map，filter 函数一起使用，你会发现威力巨大。 具体的说，map 函数通过对列表中的每一个元素进行操作，将列表转换成一个新的列表。在下面的这个例子中，map 函数将每一个元素乘以 2，变成一个新的元素。注意这里的 list 函数只是简单的将输出结果转化为 list 类型。

Filter 函数类似于 map 函数，但是 filter 函数通过比较每一个元素是否为真从原始列表中抽取子集。

Arange 函数 和 Linspace 函数

快速创建简单的 NumPy 数组，使用 arange 和 linspace 函数最合适不过了。 它们都有各自特定的功能，但在这里使用（不是使用范围）在于其产生的 NumPy 数组，对于数据科学通常更容易操作。

Arange 函数，根据 start 和 stop 指定的范围以及 step 设定的步长，生成指定间隔的均匀间隔序列。最后，如果你的时间不是很紧张，并且又想快速的提高，最重要的是不怕吃苦，建议你可以联系维：762459510 ，那个真的很不错，很多人进步都很快，需要你不怕吃苦哦！大家可以去添加上看一下~

Linspace 函数非常相似，但略有不同。它根据 start 和 stop 指定的范围以及 num 设定的个数，生成指定个数的均匀间隔序列。

Concat 函数、Merge 函数和 Join 函数

如果你熟悉 SQL，那么这些函数方法可能会更容易理解。其实它们本质上都只是以一定方式合并 dataframe 的方法。哪种情况下用哪个最好很难说，所以让我们再回顾一下。

Concat 函数可以在下方或旁边合并一个或多个 dataframe（取决于如何定义轴）。

Merge 函数在作为主键的指定公共列上合并多个 dataframe。

Join 函数合并两个 dataframe 的方法与 merge 函数类似。但是，它根据索引合并 dataframe，而不是某些指定列。

Pandas 的 Apply 函数

你可以把 apply 函数想做地图功能，但它只对 Pandas 的 DataFrame 或者更具体地说是 Series 进行操作。如果你不熟悉 Series，其实它在很多方面都与 NumPy 数组非常相似。

Apply 函数会对你指定的列或行中每个元素作用一个函数。你可以想象到这是多么有用，尤其式当你对整个 DataFrame 列进行归一化和元素值操作，而不必进行循环。

Pivot Tables 数据透视表

最后但同样重要的是数据透视表。如果你熟悉 Microsoft Excel，那你可能已经在某些方面听说过数据透视表。Pandas 内置的 pivot_table 函数可以将电子表格样式的数据透视表创建为 DataFrame。需要注意的是，数据透视表中的级别存储在创建的 DataFrame 层次索引和列中。

什么是轴 Axis

使用 Pandas 删除列或对 NumPy 矩阵元素求和时，你可能会遇到这个问题。如果没有，那么之后也一定会遇到。下面给出删除列的示例：

df.drop(‘Column A’, axis=1)

df.drop(‘Row A’, axis=0)

在我真正知道为什么需要声明轴是什么之前，我编写了无数次这行代码。从上面的代码中，你可以推断出，如果对列进行操作需要将 axis 设置为 1，对行操作则将其设置为 0。但这是为什么呢？我喜欢探求原因，或者至少我记得这个：

df.shape

(# of Rows, # of Columns)

查看 Pandas 中 dataframe 的 shape 属性会返回一个元组，其中第一个值表示行数，第二个值表示列数。想想 Python 中的索引方法——行为 0 列为 1，这与我们声明轴的方法非常相似。很有意思，对吧？最后，如果你的时间不是很紧张，并且又想快速的提高，最重要的是不怕吃苦，建议你可以联系维：762459510 ，那个真的很不错，很多人进步都很快，需要你不怕吃苦哦！大家可以去添加上看一下~

总结

最后小编推荐一本关于数据分析的书籍《利用Python进行数据分析》

关注后私信【数据分析】即可领取本书PDF