学了lamp做网站就足够了吗,网站如何建立数据库,做电商网站,北京互联网公司大厂有哪些这篇文章介绍了8个使用Python进行数据分析的方法#xff0c;不仅能够提升运行效率#xff0c;还能够使代码更加“优美”。
1
一行代码定义List
定义某种列表时#xff0c;写For 循环过于麻烦#xff0c;幸运的是#xff0c;Python有一种内置的方法可以在一行代码中解决…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”。
1
一行代码定义List
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]
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]2
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))103
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。 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]4
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numlinspace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, num5)array([ 2.0, 2.25, 2.5, 2.75, 3.0]5
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, axis1)
df.drop(Row A, axis0)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。
6
ConcatMerge和Join
如果您熟悉SQL那么这些概念对你来说可能会更容易。 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。 7
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, axis0)
A 12
B 27df.apply(np.sum, axis1)
0 13
1 13
2 138
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])希望上面的这些描述能够让你发现Python一些好用的函数和概念。
关于Python学习指南
学好 Python 不论是就业还是做副业赚钱都不错但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料给那些想学习 Python 的小伙伴们一点帮助
包括Python激活码安装包、Python web开发Python爬虫Python数据分析人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python
Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理形成各个领域的知识点汇总它的用处就在于你可以按照上面的知识点去找对应的学习资源保证自己学得较为全面。全套教程文末领取 Python学习视频600合集
观看零基础学习视频看视频学习是最快捷也是最有效果的方式跟着视频中老师的思路从基础到深入还是很容易入门的。 温馨提示篇幅有限已打包文件夹获取方式在文末
Python70个实战练手案例源码
光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。 Python大厂面试资料
我们学习Python必然是为了找到高薪的工作下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料并且有阿里大佬给出了权威的解答刷完这一套面试资料相信大家都能找到满意的工作。 Python副业兼职路线方法
学好 Python 不论是就业还是做副业赚钱都不错但要学会兼职接单还是要有一个学习规划。 这份完整版的Python全套学习资料已经上传朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取【保证100%免费】
