python的高级应用_# Python 高级应用--第二章

2-1 如何在列表,字典和集合中根据条件筛选数据

实际案例:

1.过滤列表[1,2,3,-6,-2,7,9,10]中的负数。

初级方法

data=[1,2,3,-2,2,-6,8]

res=[]

for x in data:

if x>=0:

res.append(x)

print(res)

filter 函数

from random import randint

data=[randint(-10,10) for _ in range(10)]

print(data)

data1=list(filter(lambda x: x >= 0, data))

print(data1)

Notice 上面的代码中,randint 随机生成10个范围在-10到10之间的数。

filter 的第一个参数是用来筛选的函数,依次迭代传入的参数,然后被函数进行判断,返回布尔值,如果布尔值为真,则将这个值返回到最终的值,如果为假,就过滤掉。第二个参数是被筛选的数据在这里我们使用匿名函数来创建函数,筛选完之后的值要转换成列表才能进行输出。

列表解析:

from random import randint

data=[randint(-10,10) for _ in range(10)] #创建列表为[]

data1=[x for x in data if x >= 0]

print(data1)

列表解析和filter 函数比较,使用timeit 函数来对两个方法的运行时间进行计算:

timeit [x for x in data if x >= 0]

timeit filter(lambda x:x >= 0, data)

Notice 认为列表解析更快一点,我们首选的是列表解析。

2.对于字典中删除某些值对应的元素

示例:首先我们创建一个字典,键是20个同学的学号,值是每个同学的考试成绩。然后我们要根据值来筛选成绩在90分以上的同学。

from random import randint

d={x: randint(60,100) for x in range(1,21)}

print(d)

dd={k:v for k,v in d.items if v > 90}

print(dd)

Notice 字典解析中的一个重要方法是items() 和iteritems :

items :将字典中所有的项,以列表的方式返回。因为字典是无序的,所有items 返回的项也是无序的。

iteritems :与items 的方法相同,但是返回的不是列表,而是迭代器。iteritems 方法在需要迭代结果的时候使用最合适,而且它的工作效率非常高。

总结:在Python2.x中,iteritems() 用于返回本身字典列表操作后的迭代器【Returns an iterator on all items(key/value pairs) 】,不占用额外的内存。

在Python 3.x 里面,iteritems()方法已经废

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 《Python数据分析(第2版)》是由Wes McKinney著写的一本关于使用Python进行数据分析的书籍,第2版是其文版本。这本书通过Python语言提供了一种简单、灵活、高效的方式来处理和分析数据。它主要涵盖了数据清洗、数据处理、数据可视化以及数据分析等方面的内容。 这本书的内容主要分为四个部分,分别是“准备工作”、“pandas库入门”、“数据规整化”和“数据分析”的章节。 在“准备工作”部分,作者介绍了Python数据分析的环境设置,包括安装Python和相关的库(如NumPy和pandas)以及说明如何执行示例代码。 “pandas库入门”一章介绍了pandas库的基本概念和常用操作,以及如何读取和处理各种数据格式。 “数据规整化”一章讨论了数据清洗和转换的技术,包括处理缺失值、重复数据以及重新组织数据等内容。 “数据分析”一章是这本书的核心部分,它介绍了如何使用Python进行数据分析,包括数据聚合、分组和透视等常用的数据分析方法。 这本书通过许多实例和示例代码来演示如何使用Python进行数据分析,帮助读者理解和掌握数据分析的基本方法和技巧。它适合那些对数据分析感兴趣的读者,无论是初学者还是有一定经验的数据分析师。 总的来说,《Python数据分析(第2版)》是一本权威的、实用的关于使用Python进行数据分析的指南,它能够帮助读者快速入门并掌握数据分析的技巧。 ### 回答2: 《Python数据分析(第2版)文版》是一本介绍使用Python进行数据分析的书籍。该书由Wes McKinney撰写,是第一本详细介绍使用Python进行数据分析的专业书籍。 这本书主要分为8个部分,涵盖了数据分析的基本概念、数据处理、数据可视化、时间序列分析等内容。第一部分介绍了数据分析的基本知识和工具,包括NumPy、Pandas和IPython等库和工具的使用。第二部分介绍了数据的处理和清洗,包括缺失数据的处理、数据合并和重塑等操作。第三部分重点介绍了数据的可视化,包括Matplotlib和Seaborn库的使用,可以帮助读者展示和分析数据。第四部分介绍了数据聚合和分组的方法,包括使用GroupBy、重塑和数据转换等技术。第五部分涵盖了时间序列数据的处理和分析。第六部分介绍了面板数据的处理。第七部分介绍了更高级的数据分析技术,包括移动窗口函数和爬虫技术等。第八部分介绍了常见的数据分析案例,通过实际的案例帮助读者理解和应用所学知识。 《Python数据分析(第2版)文版》旨在帮助读者使用Python进行数据分析,提供了丰富的工具和案例,可以帮助读者掌握数据分析的基本技巧和方法。此外,该书还提供了在线的资源和教学视频,方便读者进一步学习和应用所学知识。 总之,《Python数据分析(第2版)文版》是一本内容丰富、实用性强的书籍,对于想要学习和应用Python进行数据分析的读者来说是一本不可多得的工具书。 ### 回答3: 《Python 数据分析》(第二版)是一本讲述使用Python进行数据分析的书籍,由美国著名数据科学家Wes McKinney撰写。该书是McKinney首次出版的同名书籍的文版,内容涵盖了一系列数据分析常用的Python工具和技术。 《Python 数据分析》(第二版)首先介绍了NumPy和Pandas两个Python数据分析库的基本用法。NumPy是一个强大的数值计算库,能够高效地处理大型数据集,而Pandas是一个建立在NumPy之上的数据分析工具,提供了更高级的数据结构和数据处理功能。 接着,该书讲解了如何使用Pandas进行数据清洗、变形和处理。Pandas提供了DataFrame和Series等数据结构,能够方便地对数据进行处理和操作。读者可以学习如何加载数据、处理缺失值、去重、切片、过滤、合并等操作。 书还介绍了数据分析常用的统计分析和可视化工具。读者可以学习如何使用Pandas和Matplotlib库进行数据的统计分析和可视化展示,包括生成各种图表和绘制统计图。 此外,《Python 数据分析》(第二版)还介绍了使用Pandas进行时间序列分析、数据聚合和加工等高级数据处理技术。读者可以学习如何处理时间序列数据、使用分组和聚合函数进行数据分析等。 总体来说,《Python 数据分析》(第二版)是一本很好的Python数据分析入门教程,适合对数据分析感兴趣的初学者。通过学习这本书,读者可以掌握使用Python进行数据分析的基本技能,并能够在实际项目应用所学知识。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值