8個Python高效數據分析的技巧

一行代碼定義List

---

---

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。

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]

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表達式用於在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

請注意，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：

double = lambda x: x * 2
print(double(5))
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，可以實現更爲強大的功能。

具體來說，map通過對列表中每個元素執行某種操作並將其轉換爲新列表。 在本例中，它遍歷每個元素並乘以2，構成新列表。 請注意，list()函數只是將輸出轉換爲列表類型。

# 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。

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

# 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座標軸特別有用。

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

Axis代表什麼？

---

---

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：

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

如果你想處理列，將Axis設置爲1，如果你想要處理行，將其設置爲0。 但爲什麼呢？ 回想一下Pandas中的shape

df.shape
(# 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，則行數下標爲0，列數下標爲1，這很像我們如何聲明軸值。

Concat，Merge和Join

---

---

如果您熟悉SQL，那麼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（取決於您如何定義軸）。

Merge將多個DataFrame合併指定主鍵（Key）相同的行。

Join，和Merge一樣，合併了兩個DataFrame。 但它不按某個指定的主鍵合併，而是根據相同的列名或行名合併。

Pandas Apply

---

---

Apply是爲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將一個函數應用於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！

df = pd.DataFrame([[4, 9],] * 3, columns=['A', 'B'])
 df
   A  B
0  4  9
1  4  9
2  4  9

df.apply(np.sqrt)
     A    B
0  2.0  3.0
1  2.0  3.0
2  2.0  3.0

 df.apply(np.sum, axis=0)
A    12
B    27

df.apply(np.sum, axis=1)
0    13
1    13
2    13

Pivot Tables

---

---

最後是Pivot Tables。 如果您熟悉Microsoft Excel，那麼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

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"])