随笔小记（二十六）

seaborn主题风格与调色板设定
在python可视化中，Matplotlib自动化程度非常高，但是，掌握如何设置系统以便获得一个吸引人的图是相当困难的事。为了控制matplotlib图表的外观，Seaborn模块自带许多定制的主题和高级的接口。
Seaborn中有五种可供选择的主题：
1.darkgrid（灰色网格）
2.whitegrid（白色网格）
3.dark（黑色）
4.white（白色）
5.ticks（十字叉）
参考链接：https://blog.csdn.net/llh_1178/article/details/77923033

python isna()和 isnull()
Python 字典(Dictionary) copy()方法
函数返回一个字典的浅复制。
Python 直接赋值、浅拷贝和深度拷贝解析

panda数据处理：groupby()函数
pandas中.value_counts()的用法

value_counts()是一种查看表格某列中有多少个不同值的快捷方法，并计算每个不同值有在该列中有多少重复值。
value_counts()是Series拥有的方法，一般在DataFrame中使用时，需要指定对哪一列或行使用。
请记住value_counts()并不是未带任何参数，而是所有参数都是默认的
也就是说会默认显示数字形式，默认排序，默认降序，默认删除na。

参考链接：https://blog.csdn.net/Late_whale/article/details/103317396

填充/替换缺失值
参考链接：https://www.cnblogs.com/shengyang17/p/9652256.html

Python map() 函数
map() 会根据提供的函数对指定序列做映射。
第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。
# Python中map无法直接显示，需要加list。

Python中的map()函数与lambda()函数
参考链接：https://www.runoob.com/python/python-func-map.html

如何用python快速统计一个列表中元素的种类及每种元素类型的数量
参考链接：https://blog.csdn.net/weixin_43509263/article/details/89160236?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2_allfirst_rank_v2~rank_v25-1-89160236.nonecase&utm_term=python%20%E5%85%83%E7%B4%A0%E7%A7%8D%E7%B1%BB

python模块之——tqdm（进度条）

pandas.DataFrame()中的iloc和loc用法
参考链接：https://blog.csdn.net/missyougoon/article/details/83375375

**\f ：**换页符匹配。等效于 \x0c 和 \cL。
**\p{Punct}：**标点符号：!"#$%&’()*+,-./:;<=>?@[]^_`{|}~

python 中的 re.compile 函数


参考链接：https://blog.csdn.net/qq_41800366/article/details/86527810?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

python之re.sub()和subn()
re.subn(pattern, repl, string[, count=0])，与sub()相同, 但返回一个元组, 其中包含新字符串和替换次数。
参考链接：https://blog.csdn.net/mengtianwxs/article/details/52662393?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.channel_param

from keras.layers import Dense, Dropout, CuDNNLSTM
注意：我使用CuDNN-LSTM代替LSTM，因为它的训练速度提高了15倍。CuDNN-LSTM由CuDNN支持，只能在GPU上运行。