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,幸运的是,Python有一种内置的方法可以在一行代码中解决这个问题。 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] 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:
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 Map和Filter
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
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) 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。
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:
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 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 pply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!
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
|
|