Python部分内置方法、numpy、pandas的使用

 目录

内置方法

Numpy

Pandas

其他

---

内置方法

• 返回出现次数最多的元素

a = [1,2,3,1,2,3,2,2,4,5,1]
max(set(a), key=a.count)

• repr、eval

repr：返回对象的字符串形式

eval：字符串转对象

• xrange

通过 iterable 对象来迭代

for i in range(1000): pass

会导致生成一个 1000 个元素的 List，而代码：

for i in xrange(1000): pass

则不会生成一个 1000 个元素的 List，而是在每次迭代中返回下一个数值，内存空间占用很小。因为 xrange 不返回 List，而是返回一个 iterable 对象。

• dict通过value找key

• 拼接2个set，迭代输出

import itertools
a = set([1,2,3])
b = set([3,4,5])
[i for i in itertools.chain(a,b)]

 

Numpy

• np.ravel、np.flatten

ravel不会产生源数据的副本，flatten会返回源数据的副本。

• np.meshgrid

类似笛卡尔积

rg = range(10)
np.meshgrid(rg,rg)

Pandas

• 转换df的某一列

import re
feat_import = pd.read_csv('./feat_importance.csv')
feat_import['name'] = feat_import['name'].transform(lambda x: int(re.match(r'Column_(\d+)', x).group(1)))
feat_import[feat_import['importance']==0]['name'].values

• 修改列名

a.rename(columns={'A':'a', 'B':'b', 'C':'c'}, inplace = True)

• 将df中的column列作为index

df.set_index(["Column"], inplace=True)

• 还原索引——reset_index

reset_index可以还原索引，从新变为默认的整型索引 。

DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=”) 

level控制了具体要还原的那个等级的索引； 

drop为False则索引列会被还原为普通列，否则会丢失。

其他

• 日期格式转换

from datetime import datetime
df.date = df.date.apply(lambda v: datetime.strptime(v, '%Y年%m月%d日'))