Python细节探讨

以下是使用Python以来的细节问题，会陆续记录和更新，欢迎交流👏👏

 

数据结构

• List：python中常用的数据结构，支持追加(append)、移除(remove)、指定位置添加(extend)、与Set(集合)的区别在于：List支出元素重复，Set不允许元素重复
  • Remove语法慎用
    • 因为对于一个list进行index的Remove，移除一个元素之后，整个list的index也是会刷新的；举个例子，比如List Remove第一个元素，第二个元素的索引会变成0

• [[]] * num(num是子列表数量) 构造空列表方法慎用
  • 通过上述方式构造列表，采用是浅拷贝方式，对于大列表中的任何一个子列表，使用append会导致所有的子列表追加相同内容
    • 深拷贝和浅拷贝的关系：浅拷贝可以理解为复制，被复制的列表发生变化时，尽管不操作复制列表，复制列表仍然发生变化。深拷贝可以理解为是开辟了一个新的内存空间，因此操作被复制对象，不影响深拷贝对象
    • 列表去重
      • List(Set(List))，即利用集合的无重复特性，转换之间进行驱虫，但是无法保证元素顺序与未去重的一致性，假设考虑到位置的重要性，建议重排，可以参考我之前的Python版本的几大排序算法
• 与DataFrame格式之间转换
  • 首先需要构造成字典格式，然后利用pandas，生成Dataframe，代码段如下(针对DataFrame进行了Drop、filter之后，一定要使用dataframe.drop_setindex 重排index，否则利用某些索引会报错)

                                                                         

 

• DataFrame格式
  • 读取方式

    import pandas as pd
    #header-表头 #split-行分隔符
    data = pd.read_csv("/Users/sanyin/test.txt",header=None,split='\t')
    #重置表头-假设仅有两列
    header = ['a','b']
    data.columns = header

     

  • 过滤

#找出a字段大于1的所有行
data = data[data['a']>1]
#找出a、b字段都大于1的所有行
data = data[data['a']>1 & data['b']>1]

• DataFrame转格式
  • dataframe -> json
    • 假设变量data已经是DataFrame格式，看格式用内置type(data)方法，data.to_json(orients=record)
    • DataFrame转numpy，也是以data变量为例，data.as_matrix()