Python for Data Science（Python数据科学）：您可能忘记的8个概念

Python for Data Science（Python数据科学）：您可能忘记的8个概念

目录

Python for Data Science（Python数据科学）：您可能忘记的8个概念

1.单行列表理解

2.Lambda函数

3.Map，Filter和Reduce函数

Map

Filter

Reduce

4. Arange和Linspace函数

Arange

Linspace

5. Axis真正意味着什么

6. Concat,Merge和Join

7.Pandas Apply

Apply

Applymap

8.Pivot Tables

Pivot

Pivot Tables

---

1.单行列表理解

每次需要定义某种列表时写出一个for循环是很乏味的，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。语法可能有点难以理解，但是一旦熟悉了这种技术，你就会经常使用它。

 

2.Lambda函数

Lambda函数用于在Python中创建小型，一次性和匿名函数对象。基本上，它们可以让您创建一个函数，而无需创建函数。

lambda函数的基本语法是：

lambda参数：表达式

 

3.Map，Filter和Reduce函数

一旦掌握了lambda函数，学习将它们与map和filter函数配对就可以成为一个强大的工具。

Map

具体来说，map通过对每个元素执行某种操作来获取列表并将其转换为新列表。在此示例中，它遍历每个元素并将自身结果映射到新列表。请注意，list函数只是将输出转换为列表类型。

map函数就像是一个黑匣子一样，通过这个黑匣子可以映射出基于原列表或者其他东西的另一个新列表。

# Map
seq = [1, 2, 3, 4, 5]
result = list(map(lambda var: var*2, seq))
print(result)
[2, 4, 6, 8, 10]

有条件的话，大家可以观看这个视频：Python:Lambda,Map,Filter,Reduce Functions (YouTobe视频)

Filter

过滤器函数接受一个列表和一个条件规则，非常类似于map，但它通过将每个元素与布尔过滤规则进行比较来返回原始列表的子集。

Reduce

reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。

例如，编写一个f函数，接收x和y，返回x和y的和：

1 2	def f(x, y):     return x + y

调用 reduce(f, [1, 3, 5, 7, 9])时，reduce函数将做如下计算：

1