彩票内部透码(保证香港版):

懂你所需,做你所想
當前位置:马会最后透码料 > 行業資訊 > 8個Python高效數據分析的技巧

8個Python高效數據分析的技巧

马会最后透码料 www.yrzgj.icu 發表日期:2018-8-24 15:33:15 文章編輯:小波軟件 瀏覽次數:810

不管是參加Kaggle比賽,還是開發一個深度學習應用,第一步總是數據分析。

這篇文章介紹了8個使用Python進行數據分析的方法,不僅能夠提升運行效率,還能夠使代碼更加“優美”。

一行代碼定義List

定義某種列表時,寫For 循環過于麻煩,幸運的是,Python有一種內置的方法可以在一行代碼中解決這個問題。

下面是使用For循環創建列表和用一行代碼創建列表的對比。

  1. x = [1,2,3,4]  
  2. out = []  
  3. for item in x:  
  4.   out.append(item**2)  
  5. print(out 
  6. [1, 4, 9, 16]  
  7.  
  8. # vs.  
  9.  
  10. x = [1,2,3,4]  
  11. out = [item**2 for item in x]  
  12. print(out 
  13. [1, 4, 9, 16] 

 Lambda表達式

厭倦了定義用不了幾次的函數? Lambda表達式是你的救星!

Lambda表達式用于在Python中創建小型,一次性和匿名函數對象, 它能替你創建一個函數。

lambda表達式的基本語法是:

lambda arguments: expression

注意!只要有一個lambda表達式,就可以完成常規函數可以執行的任何操作。

你可以從下面的例子中,感受lambda表達式的強大功能:

  1. double = lambda x: x * 2  
  2. print(double(5))  
  3. 10 

Map和Filter

一旦掌握了lambda表達式,學習將它們與Map和Filter函數配合使用,可以實現更為強大的功能。

具體來說,map通過對列表中每個元素執行某種操作并將其轉換為新列表。

在本例中,它遍歷每個元素并乘以2,構成新列表。 (注意!list()函數只是將輸出轉換為列表類型)

  1. # Map  
  2. seq = [1, 2, 3, 4, 5]  
  3. result = list(map(lambda var: var*2, seq))  
  4. print(result)  
  5. [2, 4, 6, 8, 10] 

Filter函數接受一個列表和一條規則,就像map一樣,但它通過比較每個元素和布爾過濾規則來返回原始列表的一個子集。

  1. # Filter  
  2. seq = [1, 2, 3, 4, 5]  
  3. result = list(filter(lambda x: x > 2, seq))  
  4. print(result)  
  5. [3, 4, 5] 

Arange和Linspace

Arange返回給定步長的等差列表。

它的三個參數start、stop、step分別表示起始值,結束值和步長, 請注意!stop點是一個“截止”值,因此它不會包含在數組輸出中。

  1. # np.arange(start, stop, step)  
  2. np.arange(3, 7, 2)  
  3. array([3, 5]) 

Linspace和Arrange非常相似,但略有不同。

Linspace以指定數目均勻分割區間,所以給定區間start和end,以及等分分割點數目num,linspace將返回一個NumPy數組。

這對繪圖時數據可視化和聲明坐標軸特別有用。

  1. # np.linspace(start, stop, num)  
  2. np.linspace(2.0, 3.0, num=5)  
  3. array([ 2.0,  2.25,  2.5,  2.75, 3.0] 

Axis代表什么?

在Pandas中,刪除一列或在NumPy矩陣中求和值時,可能會遇到Axis。

我們用刪除一列(行)的例子:

  1. df.drop('Column A', axis=1)  
  2. df.drop('Row A', axis=0) 

如果你想處理列,將Axis設置為1,如果你想要處理行,將其設置為0。

但為什么呢?

回想一下Pandas中的shape。

  1. df.shape  
  2. (# of Rows, # of Columns) 

從Pandas DataFrame中調用shape屬性返回一個元組,第一個值代表行數,第二個值代表列數。

如果你想在Python中對其進行索引,則行數下標為0,列數下標為1,這很像我們如何聲明軸值。

Concat,Merge和Join

如果您熟悉SQL,那么這些概念對您來說可能會更容易。

無論如何,這些函數本質上就是以特定方式組合DataFrame的方式。

在哪個時間跟蹤哪一個最適合使用可能很困難,所以讓我們回顧一下。

Concat允許用戶在表格下面或旁邊追加一個或多個DataFrame(取決于您如何定義軸)。

Merge將多個DataFrame合并指定主鍵(Key)相同的行。

Join,和Merge一樣,合并了兩個DataFrame。

但它不按某個指定的主鍵合并,而是根據相同的列名或行名合并。

Pandas Apply

Apply是為Pandas Series而設計的。

如果你不太熟悉Series,可以將它想成類似Numpy的數組。

Apply將一個函數應用于指定軸上的每一個元素。

使用Apply,可以將DataFrame列(是一個Series)的值進行格式設置和操作,不用循環,非常有用!

  1. df = pd.DataFrame([[4, 9],] * 3, columns=['A''B'])  
  2.  df  
  3.    A  B  
  4. 0  4  9  
  5. 1  4  9  
  6. 2  4  9  
  7.  
  8. df.apply(np.sqrt)  
  9.      A    B  
  10. 0  2.0  3.0  
  11. 1  2.0  3.0  
  12. 2  2.0  3.0  
  13.  
  14.  df.apply(np.sum, axis=0)  
  15. A    12  
  16. B    27  
  17.  
  18. df.apply(np.sum, axis=1)  
  19. 0    13  
  20. 1    13  
  21. 2    13 

Pivot Tables

如果您熟悉Microsoft Excel,那么你也許聽說過數據透視表。

Pandas內置的pivot_table函數以DataFrame的形式創建電子表格樣式的數據透視表,,它可以幫助我們快速查看某幾列的數據。

下面是幾個例子:

非常智能地將數據按照“Manager”分了組:

  1. pd.pivot_table(df, index=["Manager""Rep"]) 

或者也可以篩選屬性值

  1. pd.pivot_table(df,index=["Manager","Rep"],values=["Price"]) 

總結

希望上面的這些描述能夠讓你發現Python一些好用的函數和概念。

公司新聞

運城學院招生網已經正式上線!

...

日期:2018-8-24 15:33:15 瀏覽次數:810

曲秀峰郵票錢幣投資網已經正式...

...

日期:2018-8-24 15:33:15 瀏覽次數:810

運城市鹽湖中學網站正式上線!

運城市鹽湖中學委托小波軟件對學校網站進行改版。現已正式上線! ...

日期:2018-8-24 15:33:15 瀏覽次數:810

天津五福西點網站正式上線!

五福西點成立于2007年,致力于西式甜點的開發與制作。旗艦店位于天津市增產道。目前天津已有幾十家分店...

日期:2018-8-24 15:33:15 瀏覽次數:810

山西家和潤環境治理服務有限公...

...

日期:2018-8-24 15:33:15 瀏覽次數:810

2014年6月27日,睿祺無鎖孔智能??胤賴撩盼行〔ㄈ砑窘型局譜?。制作周期為2周。上線時...

日期:2018-8-24 15:33:15 瀏覽次數:810