本文为你介绍了8个使用 Python 进行数据分析的方法,不仅能够提升运行效率,还能够使代码更加“优美”。
01 一行代码定义List
定义某种列表时,写For 循环过于麻烦,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。下面是使用For循环创建列表和用一行代码创建列表的对比。
x = [1,2,3,4]
out = []
for item in x:
out.append(item**2)
print(out)
[1, 4, 9, 16]
# vs.
x = [1,2,3,4]
out = [item**2 for item in x]
print(out)
[1, 4, 9, 16]
02 Lambda表达式
厌倦了定义用不了几次的函数?Lambda表达式是你的救星!Lambda表达式用于在Python中创建小型,一次性和匿名函数对象, 它能替你创建一个函数。
lambda表达式的基本语法是:
lambda arguments: expression
注意!只要有一个lambda表达式,就可以完成常规函数可以执行的任何操作。
你可以从下面的例子中,感受lambda表达式的强大功能:
double = lambda x: x * 2
print(double(5))
10
03 Map和Filter
一旦掌握了lambda表达式,学习将它们与Map和Filter函数配合使用,可以实现更为强大的功能。具体来说,map通过对列表中每个元素执行某种操作并将其转换为新列表。
在本例中,它遍历每个元素并乘以2,构成新列表。 (注意!list()函数只是将输出转换为列表类型)
# Map
seq = [1, 2, 3, 4, 5]
result = list(map(lambda var: var*2, seq))
print(result)
[2, 4, 6, 8, 10]
Filter函数接受一个列表和一条规则,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一个子集。
# Filter
seq = [1, 2, 3, 4, 5]
result = list(filter(lambda x: x > 2, seq))
print(result)
[3, 4, 5]
03 Pivot Tables
如果您熟悉Microsoft Excel,那么你也许听说过数据透视表。
Pandas内置的pivot_table函数以DataFrame的形式创建电子表格样式的数据透视表,,它可以帮助我们快速查看某几列的数据。
下面是几个例子:
非常智能地将数据按照“Manager”分了组:
pd.pivot_table(df, index=["Manager", "Rep"])
或者也可以筛选属性值:
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"])
04 Pandas Apply
Apply是为Pandas Series而设计的。如果你不太熟悉Series,可以将它想成类似Numpy的数组。
Apply将一个函数应用于指定轴上的每一个元素。使用Apply,可以将DataFrame列(是一个Series)的值进行格式设置和操作,不用循环,非常有用!
df = pd.DataFrame([[4, 9],] * 3, columns=['A', 'B'])
df
A B
0 4 9
1 4 9
2 4 9
df.apply(np.sqrt)
A B
0 2.0 3.0
1 2.0 3.0
2 2.0 3.0
df.apply(np.sum, axis=0)
A 12
B 27
df.apply(np.sum, axis=1)
0 13
1 13
2 13
05 Concat、Merge和Join
如果您熟悉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DataFrame的方式。 在哪个时间跟踪哪一个最适合使用可能很困难,所以让我们回顾一下。
Concat允许用户在表格下面或旁边追加一个或多个DataFrame(取决于您如何定义轴)。
Merge将多个DataFrame合并指定主键(Key)相同的行。
Join,和Merge一样,合并了两个DataFrame。但它不按某个指定的主键合并,而是根据相同的列名或行名合并。
06 ndarray的排序
np.sort()
与ndarray.sort()
都可以,但有区别:
np.sort()
不改变输入ndarray.sort()
本地处理,不占用空间,但改变输入
arr
输出:
array([[10, 16, 65, 29],
[90, 94, 30, 9],
[74, 1, 41, 37]])
# 对arr每列排序
np.sort(arr,axis=0)
输出:
array([[10, 1, 30, 9],
[74, 16, 41, 29],
[90, 94, 65, 37]])
arr
输出:
array([[10, 16, 65, 29],
[90, 94, 30, 9],
[74, 1, 41, 37]])
# 对arr每列排序
arr.sort(axis=0)
arr
输出:
array([[10, 1, 30, 9],
[74, 16, 41, 29],
[90, 94, 65, 37]])
# 对arr每行排序
arr.sort(axis=0)
arr
输出:
array([[ 1, 9, 10, 30],
[16, 29, 41, 74],
[37, 65, 90, 94]])
07 Series
Pandas Series 类似表格中的一个列(column),类似于一维数组,可以保存任何数据类型。
pandas.Series( data, index, dtype, name, copy)
- data:一组数据(ndarray 类型)。
- index:数据索引标签,如果不指定,默认从 0 开始。
- dtype:数据类型,默认会自己判断。
- name:设置名称。
- copy:拷贝数据,默认为 False。
08 Series创建
# 使用列表创建Series
Series(data=[1,2,3])
输出:
0 1
1 2
2 3
dtype: int64
索引:0,1,2
数据:1,2,3
数据类型:int64
# 指定索引值,显示索引
Series(data=[1,2,3],index = ["x", "y", "z"])
输出:
x 1
y 2
z 3
dtype: int64
# 使用 key/value 对象,类似字典来创建 Series:
Series(data={'x':1,'y':2,'z':3})
输出:
x 1
y 2
z 3
dtype: int64
# 若只需字典中的一部分数据,只需要指定需要数据的索引即可
Series(data={'x':1,'y':2,'z':3}, index = ['x','z'])
输出:
x 1
z 3
dtype: int64
# 设置 Series 名称参数
Series(data={'x':1,'y':2,'z':3}, index = ['x','z'],name = 'Series_Name')
输出:
x 1
z 3
Name: Series_Name, dtype: int64
08.1Series的索引和切片
-
使用中括号取单个索引(此时返回的是元素类型),或者中括号里一个列表取多个索引(此时返回的是一个Series类型)。
-
显式索引:
- 使用index中的元素作为索引值 - 使用s.loc[](推荐):注意,loc中括号中放置的一定是显示索引 s = Series([1,2,3],index=['a','b','c']) s[1] 输出: 2 s[[1,2]] 输出: b 2 c 3 dtype: int64 s['a'] 输出: 1 s.a 输出: 1 s.loc['a'] 输出: 1 s.loc[['a','b']] 输出: a 1 b 2 dtype: int64
3.隐式索引:
- 使用整数作为索引值, - 使用.iloc[](推荐):iloc中的中括号中必须放置隐式索引 s = Series([1,2,3],index=['a','b','c']) # 隐式索引为右开区间,最后一个索引不引用 s[1:2] 输出: b 2 dtype: int64 # 显式索引为右开区间,最后一个索引引用 s['a':'b'] 输出: a 1 b 2 dtype: int64