数据分析系列 25/32 | Python数据科学速成（一）

最新推荐文章于 2024-04-17 00:46:32 发布

数据之魅

最新推荐文章于 2024-04-17 00:46:32 发布

阅读量291

点赞数 1

分类专栏：数据分析 Python 原创文章文章标签：列表 python java 数据分析大数据

本文链接：https://blog.csdn.net/Airy_/article/details/106130677

版权

本文介绍了Python数据科学中的高级特性，包括如何对列表进行排序，利用sorted函数和sort方法，以及如何根据需求自定义排序方式。接着探讨了列表解析，用于高效地转换和筛选列表内容。此外，还讲解了生成器和迭代器的概念，它们在处理大量数据时能节省内存。最后提及了random模块在生成随机数时的作用和random.seed()的用途，为数据科学中的随机性操作奠定了基础。

摘要由CSDN通过智能技术生成

前面一篇讲了一些Python的基础知识和概念，这一篇我们来了解一下Python中更高级的部分，这些特性对开展数据工作特别有用。

PART

排序和列表解析

排序

每个Python列表都有一个sort方法恰当的排序，如果你不想弄乱你的列表，可以使用sorted函数，它会返回一个新列表。

x = [2, 1, 4, 3]y = sorted(x)   #结果是[1, 2, 3, 4]x.sort()         #x变为[1, 2, 3, 4]

默认情况下，sort和sorted基于元素之间的朴素比较从最小值到最大值对列表进行排序。
如果你想把元素从大到小排序，之一指定参数reverse=True。除了比较元素本身，还可以通过指定键来对函数的结果进行比较。

#通过绝对值对列表元素进行降序排序：x = sorted([-4, 1, -2, 3], key = abs, reverse = True )#是[-4, 3, -2, 1]#从高到底排序单词和计数wc = sorted(word_counts.items(), key=lambda(word, count):count, reverse=True)