列表推导式+time库+dataframe+groupby

1. 实现列表去重 L1 = [1, 1, 2, 3, 4, 2, 4]

2. 列表推导式实现L1 每个元素加1

3. 列表推导式实现获取L1 中大于2的元素

4. map 加 lambda 实现每个元素加 1

5. 把字符串“19 - 10 - 0 8” 转化为时间

6.1582713904 转化为时间

7 “2018 - 2 - 26” 转化为时间戳

8 df2 = pd.DataFrame({'id': np.arange(1, 5), 'A': 1., 'B': pd.Timestamp('20130102'), 'C': pd.Series(1, index=list(range(4)), dtype='float32'), 'D': np.array([3] * 4, dtype='int32'), 'E': ["test", "train", "test", "train"], 'F': 'foo'})

以 E 列分组 对 id，D列求最大值 合计 最小值

9 对8题的结果进行 访问 test的最大值 最小值 合计 10 对8题的结果进行　访问所有E组合计

#1

L1 = [1, 1, 2, 3, 4, 2, 4]
L2=[]
for i in L1:
    if i not in L2:
        L2.append(i)
L2
    

#2. 列表推导式实现L1 每个元素加1


# vec=[[1,2,3],[4,5,6],[7,8,9]]
# [num for elme in vec for num in elme]
list3=[x+1 for x in L1 ]
list3

# 3. 列表推导式实现获取L1 中大于2的元素
list4=[x for x in L1 if  x>2 ]
list4

#4. map 加 lambda 实现每个元素加 1

map_list=map(lambda x: x+1,L1)
list(map_list)

import time


time_1='19-10-08'
time2=time.strptime(time_1,'%y-%m-%d')#时间化（元组格式）
print(time2)

print(time.strftime('%Y-%m-%d',time2))#格式化


#6.1582713904 转化为时间

time4=time.localtime(1582713904)#时间戳转元祖格式
print(time.strftime('%Y-%m-%d',time4))#格式化输出

# 7 “2018 - 2 - 26” 转化为时间戳

c_time=time.strptime('2018-2-26',"%Y-%m-%d")#转时间
time.mktime(c_time)#转戳

#8以 E 列分组 对 id，D列求最大值 合计 最小值

import pandas as pd
import numpy as np
df2 = pd.DataFrame({'id': np.arange(1, 5),
                    'A': 1.,
                    'B': pd.Timestamp('20130102'),
                    'C': pd.Series(1, index=list(range(4)),dtype='float32'), 
                    'D': np.array([3] * 4, dtype='int32'),
                    'E': ["test", "train", "test", "train"],
                    'F': 'foo'})
df2

df8=df2.groupby('E')['D'].agg([sum,max,min])
df8

#9 对8题的结果进行 访问 test的最大值 最小值 合计
print(df8)
df8.loc['test']

#10 对8题的结果进行　访问所有E组合计

#10 对8题的结果进行　访问所有E组合计
print(df8)
df8['sum']