数据挖掘01--数据结构

（1）列表/元组 list/tuple

列表/元组：

cmp(a,b)        比较两个列表/元组的元素

sorted(a)        对列表的元素进行升序排序

列表：

a.index(x)        从列表a中找出第一个x索引的位置

a.insert(x,y)     将y插入列表a的索引为x的位置

a.pop(x)       移除列表a中索引值为x的元素

功能上看，列表与元组的区别是，列表可以被修改，二元组不可以。

比如，对于a=[1,2,3],那么语句a[0]=0,就会将列表修改为[0,2,3],而元组b=(4,5,6)，语句b[0]=1会报错。

要注意的是如果已经有了一个列表a，同时想复制a，命名为变量b，那么b=a是无效的。这时b仅是a的别名（或者说引用），修改b也会修改a

list的复制正确方法：

浅拷贝：

①copy()方法：

对于List来说，其第一层，是实现了深拷贝，但对于其内嵌套的List，仍然是浅拷贝。

因为嵌套的List保存的是地址，复制过去的时候是把地址复制过去了，嵌套的List在内存中指向的还是同一个。

old = [1,[1,2,3],3]
new = old.copy()
 
new[0] = 3
new[1][0] =3
 
'''
---------------------
Before:
[1, [1, 2, 3], 3]
[1, [1, 2, 3], 3]
After:
[1, [3, 2, 3], 3]
[3, [3, 2, 3], 3]
---------------------
'''

②使用列表生成：

同上

old = [1,[1,2,3],3]
new = [i for i in old]
 
new[0] = 3
new[1][0] = 3
 
'''
----------------------
Before
[1, [1, 2, 3], 3]
[1, [1, 2, 3], 3]
After
[1, [3, 2, 3], 3]
[3, [3, 2, 3], 3]
----------------------
'''

③for循环遍历：

同上

old = [1,[1,2,3],3]
new = []
for i in range(len(old)):
    new.append(old[i])
 
new[0] = 3
new[1][0] = 3
 
'''
-----------------------
Before:
[1, [1, 2, 3], 3]
[1, [1, 2, 3], 3]
After:
[1, [3, 2, 3], 3]
[3, [3, 2, 3], 3]
-----------------------
'''

 ④使用 [ : ] 切片：

同上

old = [1,[1,2,3],3]
new = old[:]
 
new[0] = 3
new[1][0] = 3
 
'''
------------------
Before:
[1, [1, 2, 3], 3]
[1, [1, 2, 3], 3]
After:
[1, [3, 2, 3], 3]
[3, [3, 2, 3], 3]
------------------
'''

 深拷贝：

⑤deepcopy():

无论多少层，无论怎样的形式，得到的新列表都是和原来无关的

需要import copy

import copy
old = [1,[1,2,3],3]
new = copy.deepcopy(old)
 
new[0] = 3
new[1][0] = 3
 
'''
-----------------------
Before:
[1, [1, 2, 3], 3]
[1, [1, 2, 3], 3]
After:
[1, [1, 2, 3], 3]
[3, [3, 2, 3], 3]
-----------------------
'''

list('ab') => ['a','b']

tuple([1,2]) => (1,2)

（2）字典 dict

创建字典：

1.d = {"today" :20,'tomorrow':30}

2.dict ([['today',20] , [ 'tomorrow', 30 ] ])

3.dict. fromkeys ( [ 'today', 'tomorrow'] , 20)    #相当于{'today'： 20, 'tomorrow' : 20}

dict.items()        (keys,value)元组对

dict.keys()        键列表

dict.setdefault(key,default=None)        类似于get(),若key不存在字典中，则赋值dict['key']=default

dict.update(dict2)        将dict2键值对添加到字典dict

（3）集合

创建集合：

1.s = {1, 2, 2, 3}        #注意2会自动去重，得到{1, 2, 3}

2.s = set([1, 2, 2, 3])

（4）函数式编程

filter函数:把函数作用在序列元素上，但是该函数的结果必须是布尔型，filter跟据true或者false进行元素的保护和删除

lambda函数：匿名函数，可以不用定义函数名，因此可以使用匿名函数也可以被一个变量保存，也可以不保存直接用

x=[1,8,3,9,4,6,7,9,6,4,6,74]

list(filter(lambda s:s%2==0,x))

[8, 4, 6, 6, 4, 6, 74]

• map函数：本身是个series的函数，在df结构中无法使用，map函数作用于Serices中每个元素
• applymap函数：作用于df数据中每个数据
• apply函数：作用于df数据中的每行或者每列数据

df = pd.DataFrame(np.random.randint(0,10,(4, 3)), columns=list('bde'), index=range(4))

	b	d	e
0	0	2	3
1	8	8	7
2	7	2	1
3	7	2	6

applymap:

>>> df.applymap(lambda x:x+1 if x%2==0 else x)
   b  d  e
0  3  1  5
1  9  9  1
2  3  7  7
3  5  9  5

apply:

f=lambda x:x.max()-x.min()
>>> df.apply(f)
b    6
d    9
e    5
dtype: int64 
>>> df.apply(f,axis=1)  # 作用在一行上
0    5
1    8
2    3
3    4
dtype: int64
>>> df.apply(f,axis=0)  # 作用在一列上，axis=0可省略
b    6
d    9
e    5
dtype: int64

（5）库的导入与添加

import math  //   from math import *

函数	        数学表示	    含义
圆周率pi    	π	        π的近似值，15位小数
自然常数e	e	        e的近似值，15位小数
ceil(x)	    [x]	        对浮点数向上取整
floor(x)	[x]	        对浮点数向下取整
pow(x,y)	x^y	        计算x的y次方
log(x）    	lg x	     以e为基的对数
log10(x)	log10x	      以10为基的对数
sqrt(x)	    计算x的平方根	    平方根
exp(x)	    e^x	            e的x次幂
degree(x)		        将弧度值转换成角度值
radins(x)		        将角度值转换成弧度值
sin(x)	    sin x	    正弦函数
cos(x)	    cos x	    余弦函数
tan(x)	    tan x	    正切函数
asin(x)	    arcsin x	反正弦函数，x∈[-1.0,1.0]
acos(x)	    arccos x	反余弦函数，x∈[-1.0,1.0]
atan(x)	    arctan x	反正切函数，x∈[-1.0,1.0]