Pandas分类总结之：预备知识

1. python基础

1.1 列表推导式与条件赋值

# 列表推导式：[function for i in interable]   /  [映射函数 for i in 迭代对象]
[my_func(i) for i in range(5)] #生成数字序列
[m+'_'+n for m in ['a', 'b'] for n in ['c', 'd']] #多层嵌套

# 条件赋值：value = a if condition else b
value = 'cat' if 2>1 else 'dog'
[i if i <= 5 else 5 for i in [1, 2, 3, 4, 5, 6, 7]] # 截断超过5的元素

1.2 匿名函数与map方法

# 匿名函数：lambda 变量：映射关系
my_func = lambda x: 2*x
[(lambda x: 2*x)(i) for i in range(5)]

# map()函数：map(function, iterable, ...)
list(map(lambda x: 2*x, range(5)))
list(map(lambda x, y: str(x)+'_'+y, range(5), list('abcde')))

1.3 zip对象与enumerate方法

# zip()函数：把多个可迭代对象打包成一个元组构成的可迭代对象，它返回了一个zip对象，通过tuple, list可以得到相应的打包结果
zip([iterable, ...])
list(zip(list('abc'), list('def'), list('hij')))
tuple(zip(list('abc'), list('def'), list('hij')))
# *操作符和zip联合使用来进行解压操作
list(zip(*zipped)) # 三个元组分别对应原来的列表

# enumerate()函数：一种特殊的打包，它可以在迭代时绑定迭代元素的遍历序号
L = list('abcd')
for index, value in enumerate(L):
     print(index, value)

---

2. Numpy基础

2.1 np数组的构造

# 一般方法array来构造
np.array([1,2,3])

# 等差序列
np.linspace(1,5,11) # 起始、终止（包含）、样本个数
np.arange(1,5,2) # 起始、终止（不包含）、步长

# 特殊矩阵
np.zeros((2,3)) # 传入元组表示各维度大小
np.eye(3) # 3*3的单位矩阵
np.full((2,3), 10) # 元组传入大小，10表示填充数值
np.full((2,3), [1,2,3]) # 每行填入相同的列表

# 随机矩阵
np.random.rand(3) # 生成服从0-1均匀分布的随机数组；对于服从区间a到b上的均匀分布：np.random.uniform(5, 15, 3)
np.random.randn(3) # 生成标准正态分布的随机数组；对于服从指定方差、均值的一元正态分布：np.random.normal(3, 2.5, 3)
np.random.randint(low, high, size) # 生成随机整数组，可指定最小值、最大值（不包含）和维度大小
np.random.choice(['a', 'b', 'c', 'd'], (3,3)) # 生成随机列表抽样，以一定概率和方式抽取结果，当不指定概率时为均匀采样，默认抽取方式为有放回抽样

2.3 np数组的变形与合并

# 合并操作：维度相同都可以以，维度不同只能左右合并
np.r_[np.array(),np.array()] # 上下合并
np.c_[np.array(),np.array()] # 左右合并

# 维度变换：reshape
np.arange(8).reshape((4,2), order='C') # 按照行读取和填充
np.arange(8).reshape((4,2), order='F') # 按照列读取和填充
np.arange(8).reshape((4,-1)) # reshape允许有一个维度存在空缺，此时只需填充-1即可

2.3 常用函数

np.where(a>0, a, 5) # where条件函数，对应位置为True时填充a对应元素，否则填充5

np.nonzero(a) # 返回非零数的索引
a.argmax() # 分别返回最大索引
a.argmin() # 分别返回最小索引

a.any() # 指当序列至少 存在一个 True或非零元素时返回True，否则返回False
a.all() # 指当序列元素 全为 True或非零元素时返回True，否则返回False

a.cumprod() # 累乘函数，返回同长度的数组
a.cumsum() # 累加函数，返回同长度的数组
np.diff(a) # 表示和前一个元素做差，返回长度是原数组减1

# 常用的统计函数包括max, min, mean, median, std, var, sum, quantile

2.4 广播机制

2.5 向量与矩阵的计算