一行代碼定義List

定義某種列表時(shí)，寫For 循環(huán)過于麻煩，幸運(yùn)的是，Python有一種內(nèi)置的方法可以在一行代碼中解決這個(gè)問題。

下面是使用For循環(huán)創(chuàng)建列表和用一行代碼創(chuàng)建列表的對(duì)比。

Lambda表達(dá)式（私信小編007獲取一份Python學(xué)習(xí)資料）

厭倦了定義用不了幾次的函數(shù)？ Lambda表達(dá)式是你的救星！ Lambda表達(dá)式用于在Python中創(chuàng)建小型，一次性和匿名函數(shù)對(duì)象。 它能替你創(chuàng)建一個(gè)函數(shù)。

lambda表達(dá)式的基本語(yǔ)法是：

請(qǐng)注意，只要有一個(gè)lambda表達(dá)式，就可以完成常規(guī)函數(shù)可以執(zhí)行的任何操作。 你可以從下面的例子中，感受lambda表達(dá)式的強(qiáng)大功能：

Map和Filter

一旦掌握了lambda表達(dá)式，學(xué)習(xí)將它們與Map和Filter函數(shù)配合使用，可以實(shí)現(xiàn)更為強(qiáng)大的功能。

具體來(lái)說(shuō)，map通過對(duì)列表中每個(gè)元素執(zhí)行某種操作并將其轉(zhuǎn)換為新列表。 在本例中，它遍歷每個(gè)元素并乘以2，構(gòu)成新列表。 請(qǐng)注意，list()函數(shù)只是將輸出轉(zhuǎn)換為列表類型。

Filter函數(shù)接受一個(gè)列表和一條規(guī)則，就像map一樣，但它通過比較每個(gè)元素和布爾過濾規(guī)則來(lái)返回原始列表的一個(gè)子集。

Arange和Linspace

Arange返回給定步長(zhǎng)的等差列表。 它的三個(gè)參數(shù)start、stop、step分別表示起始值，結(jié)束值和步長(zhǎng)， 請(qǐng)注意，stop點(diǎn)是一個(gè)“截止”值，因此它不會(huì)包含在數(shù)組輸出中。

Linspace和Arrange非常相似，但略有不同。 Linspace以指定數(shù)目均勻分割區(qū)間。 所以給定區(qū)間start和end，以及等分分割點(diǎn)數(shù)目num，linspace將返回一個(gè)NumPy數(shù)組。 這對(duì)繪圖時(shí)數(shù)據(jù)可視化和聲明坐標(biāo)軸特別有用。

Axis代表什么？

在Pandas中，刪除一列或在NumPy矩陣中求和值時(shí)，可能會(huì)遇到Axis。 我們用刪除一列（行）的例子

如果你想處理列，將Axis設(shè)置為1，如果你想要處理行，將其設(shè)置為0。 但為什么呢？ 回想一下Pandas中的shape

從Pandas DataFrame中調(diào)用shape屬性返回一個(gè)元組，第一個(gè)值代表行數(shù)，第二個(gè)值代表列數(shù)。如果你想在Python中對(duì)其進(jìn)行索引，則行數(shù)下標(biāo)為0，列數(shù)下標(biāo)為1，這很像我們?nèi)绾温暶鬏S值。

Concat，Merge和Join

如果您熟悉SQL，那么這些概念對(duì)您來(lái)說(shuō)可能會(huì)更容易。 無(wú)論如何，這些函數(shù)本質(zhì)上就是以特定方式組合DataFrame的方式。 在哪個(gè)時(shí)間跟蹤哪一個(gè)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(gè)或多個(gè)DataFrame（取決于您如何定義軸）。

Merge將多個(gè)DataFrame合并指定主鍵（Key）相同的行。

Join，和Merge一樣，合并了兩個(gè)DataFrame。 但它不按某個(gè)指定的主鍵合并，而是根據(jù)相同的列名或行名合并。

Pandas Apply

Apply是為Pandas Series而設(shè)計(jì)的。如果你不太熟悉Series，可以將它想成類似Numpy的數(shù)組。

Apply將一個(gè)函數(shù)應(yīng)用于指定軸上的每一個(gè)元素。 使用Apply，可以將DataFrame列（是一個(gè)Series）的值進(jìn)行格式設(shè)置和操作，不用循環(huán)，非常有用！

Pivot Tables

最后是Pivot Tables。 如果您熟悉Microsoft Excel，那么你也許聽說(shuō)過數(shù)據(jù)透視表。 Pandas內(nèi)置的pivot_table函數(shù)以DataFrame的形式創(chuàng)建電子表格樣式的數(shù)據(jù)透視表,，它可以幫助我們快速查看某幾列的數(shù)據(jù)。 下面是幾個(gè)例子：非常智能地將數(shù)據(jù)按照“Manager”分了組

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

或者也可以篩選屬性值

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

總結(jié)

我希望上面的這些描述能夠讓你發(fā)現(xiàn)Python一些好用的函數(shù)和概念。