在数据科学中你需要尝试的10个有用的Python技巧

• 在数据科学中10个有用而创新的Python技巧
• 这个Python技巧列表包含我们日常数据科学任务的用例，例如数据预处理，数据分析，可视化等等
• 来看一下之前我们错过的Python包或函数吧

介绍

你最后一次学习到新的Python技巧是什么时候？作为数据科学家，我们习惯于使用熟悉的库并且每次都调用相同的函数。现在是打破旧惯例的时候了！

Python不仅限于Pandas，NumPy和scikit-learn(尽管它们在数据科学中绝对必不可少)！我们可以使用很多Python技巧来改进我们的代码，加速我们的数据科学任务，并在编写代码时变得更加高效。

更重要的是我们可以在Python中学习新的东西是很有趣的一件事！我喜欢玩不同的包和函数。每隔一段时间，就会有一个新的技巧将引起我的注意，并将其纳入我的日常工作中。

所以我决定在这里整理我最喜欢的Python技巧！这个列表的范围从加速基本数据科学任务(如预处理)到在同一个Jupyter Notebook中运行R和Python代码。其中有很多需要我们学习的东西，所以让我们一起开始吧！

1. zip: 在Python中组合多个列表

我们经常编写复杂的for循环来将多个列表组合在一起。你自己是不是这样做的呢？如果是，你会喜欢zip函数。这个zip函数的目的是“创建一个迭代器，该迭代器可以聚合每个可迭代对象的元素”。

让我们通过一个简单的例子看看如何使用zip函数并组合多个列表:

a = [1,2,3]
b = [4,5,6]
c = [4,5,6,7,8]
zipped = zip(a,b)     # 打包为元组的列表
for ele in zipped:
    print(ele,end="\t")
print()

zipped = zip(a,c)              # 元素个数与最短的列表一致
for ele in zipped:
    print(ele,end="\t")

2. gmplot: 在Google地图上绘制数据集中的GPS坐标

我喜欢使用Google地图数据。它是你可以在任何地方找到的数据最丰富的应用之一。这就是为什么我决定从这个Python技巧开始。

当我们想要看到两个变量之间的关系时，散点图是一个非常好的方式。但如果变量是某个位置的纬度和经度坐标，你还会这么做吗？可能不会。最好将这些点绘制在真实地图上，以便我们可以轻松地查看和解决特定问题(例如优化路线)。

gmplot提供了一个惊人的接口来生成HTML和JavaScript，以便在Google地图上呈现我们想要的所有数据。让我们看看用一个示例看看如何使用gmplot。

安装gmplot

!pip3 install gmplot

在Google地图上绘制位置坐标

你可以从这里下载代码所用到的数据集。让我们首先导入必要的库和读数据:

import panda