在Python中执行数据分析，记住这八个概念节省你的时间精力

掌握Python、NumPy和Pandas中的小技巧

问题

不止你一个人在编程时发现自己一遍又一遍地查找相同的问题、概念或语法。作者自己也经常这样做。

虽然在StackOverflow或其他资源上查找并不是困难的事，但它确实会让你放慢脚步，并会让你对语言的理解产生疑问。

我们生活在一个看似具有无限的免费资源的世界里，你随时随地都能搜索到你想要的东西。然而，这可能是祝福，也可能是一种诅咒。如果不能进行有效管理，过度依赖这些资源可能会养成不良习惯，从而导致长期的恶果。

就作者个人而言，他发现自己多次从类似的讨论主题中提取代码，而不是花时间去学习和巩固这个概念，以便可以在下一次自己重新编写代码。

这样做无疑会压制你的成长、创造力以及回忆语法的能力。

目标

最近，作者在Udemy上学习了名为Python for Data Science and Machine Learning的在线数据科学课程。在这期的讲座中，作者想起了一些在Python中执行数据分析时一直忽略的概念和语法。

为了巩固对这些概念的理解，并且为节省一些StackOverflow搜索，下面是作者在使用Python，NumPy和Pandas时总是忘记的东西。

作者为每个概念都写了一个简短的描述和示例，但为了方便读者，作者还展示包含视频和其他资源的链接，以便更深入地探索每个概念。

单行列表理解

每次需要定义某种列表时，编写一个for循环是很麻烦的，幸运的是，Python有一种内置的方法可以在一行代码中解决这个问题。语法可能有点难以理解，但一旦熟悉了这种技术，你会经常使用它。

选）

请参阅上面和下面的示例，了解如何使用for循环创建列表。不过在这里我们没有使用循环。

Lambda函数

你是否已经厌倦了为有限的用例创建一个又一个的函数？ Lambda函数来拯救你！Lambda函数用于在Python中创建小型、一次性和匿名函数对象。

lambda函数的基本语法是：

请注意，只要有一个表达式，lambda函数就可以完成常规函数可以执行的任何操作。

map（）和filter函数

一旦掌握了lambda函数，接下来学习如何将它们与map（）和filter函数配成为一个强大的工具。

具体来说，map（）函数通过对每个元素执行某种操作来获取列表并将其转换为新列表。 在本例中，它遍历每个元素并将其本身的结果映射到新列表。 请注意，列表函数只是将输出内容转换为列表类型。

filter函数接受列表和规则，就像map（）一样，但它通过比较每个元素和布尔过滤规则来返回原始列表的子集。

Arange和Linspace

创建快速而简单的Numpy数组只需查看arange和linspace函数。每个数组都有它的意义，但这里是它们输出的NumPy数组，因为这对于数据科学来说通常更容易处理。

Arange是返回给定时间间隔内的等间距值。除了起点和终点之外，你还可以根据需要定义间距或数据类型。请注意，停止点是一个"截止"值，因此它不会包含在数组输出中。

Linspace和Arange非常相似，但略有不同。 Linspace在给定的时间间隔内返回等间距值。所以给定一个起点和终点，以及一些值，linspace会将它们均匀地放在NumPy数组中。这对绘图时数据可视化和声明坐标轴特别有用。

轴到底意味着什么？

在Pandas中删除一列或在NumPy矩阵中求和值时，你可能会遇到此问题。现在我们以删除一列为示例：

正如你可能从上面推断出的那样，如果你想处理列，将轴设置为1，如果你想要处理行，将其设置为0。但为什么呢？这里面有很多原因，但至少得知道这一点：

从Pandas数据框中调用shape属性可以返回一个元组，第一个值代表行数，第二个值代表列数。如果你考虑如何在Python中对其进行索引，则行数为0，列数为1，这很像声明轴值的方式。

（https://www.youtube.com/watch?v=PtO3t6ynH-8）

Concat、合并和加入

如果你熟悉SQL，那么这些概念对你来说可能会更容易。无论如何，这些函数本质上就是以特定方式组合数据框的方式。现在让我们回顾一下这些函数。

Concat允许用户在它下面或旁边追加一个或多个数据框（取决于你如何定义轴）。

合并将多个数据框组合在作为主键的特定公共列上。

加入，就像合并一样，结合了两个数据框。但是，它会根据它们的指数连接它们，而不是某个指定的列。

查看关于特定语法和更多具体示例的优秀文档，以及可能遇到的一些特殊情况。

Panda应用

可以把apply想象成一个map（）函数，但它是为Panda数据框或更具体地为系列而设计的。如果你不是那么熟悉它，大多数情况下，它与NUMPY数组非常相似。

应用根据你指定的内容，向列或行中的每个元素发送一个函数。你可以想象在是多么有用，特别是对整个DataFrame列的值进行格式设置和操作，而不需要进行任何循环。

数据透视表

排在最后但并非最不重要的是数据透视表。如果你熟悉Microsoft Excel，那么你可能在某些方面听说过数据透视表。Pandas内置的数据透视表函数以DataFrame的形式创建电子表格样式的数据透视表。请注意，数据透视表中的级别存储在生成的DataFrame的索引和列上的MultiIndex对象中。

读者福利：知道你对Python感兴趣，便准备了这套python学习资料

对于0基础小白入门：

如果你是零基础小白，想快速入门Python是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、机器学习等习教程。带你从零基础系统性的学好Python！

一、Python学习大纲

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、入门学习视频

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、python副业兼职与全职路线

上述这份完整版的Python全套学习资料已经上传CSDN官方，朋友们如果需要可以微信扫描下方CSDN官方认证二维码 即可领取↓↓↓

👉[[CSDN大礼包：《python兼职资源&全套学习资料》免费分享]]（安全链接，放心点击）