文章來源于網絡

來源｜CSDN

這篇文章介紹了8個使用Python進行數據分析的方法，不僅能夠提升運行效率，還能夠使代碼更加“優美”。

定義某種列表時，寫For 循環過于麻煩，幸運的是，Python有一種內置的方法可以在一行代碼中解決這個問題。下面是使用For循環創建列表和用一行代碼創建列表的對比。

厭倦了定義用不了幾次的函數？Lambda表達式是你的救星！Lambda表達式用于在Python中創建小型，一次性和匿名函數對象， 它能替你創建一個函數。

lambda表達式的基本語法是：

注意！只要有一個lambda表達式，就可以完成常規函數可以執行的任何操作。

你可以從下面的例子中，感受lambda表達式的強大功能：

一旦掌握了lambda表達式，學習將它們與Map和Filter函數配合使用，可以實現更為強大的功能。具體來說，map通過對列表中每個元素執行某種操作并將其轉換為新列表。

在本例中，它遍歷每個元素并乘以2，構成新列表。 (注意！list()函數只是將輸出轉換為列表類型)

Filter函數接受一個列表和一條規則，就像map一樣，但它通過比較每個元素和布爾過濾規則來返回原始列表的一個子集。

Arange返回給定步長的等差列表。它的三個參數start、stop、step分別表示起始值，結束值和步長， 請注意！stop點是一個“截止”值，因此它不會包含在數組輸出中。

Linspace和Arrange非常相似，但略有不同。Linspace以指定數目均勻分割區間，所以給定區間start和end，以及等分分割點數目num，linspace將返回一個NumPy數組。

這對繪圖時數據可視化和聲明坐標軸特別有用。

在Pandas中，刪除一列或在NumPy矩陣中求和值時，可能會遇到Axis。我們用刪除一列(行)的例子：

如果你想處理列，將Axis設置為1，如果你想要處理行，將其設置為0。但為什么呢？ 回想一下Pandas中的shape。

從Pandas DataFrame中調用shape屬性返回一個元組，第一個值代表行數，第二個值代表列數。

如果你想在Python中對其進行索引，則行數下標為0，列數下標為1，這很像我們如何聲明軸值。

如果您熟悉SQL，那么這些概念對你來說可能會更容易。 無論如何，這些函數本質上就是以特定方式組合DataFrame的方式。 在哪個時間跟蹤哪一個最適合使用可能很困難，所以讓我們回顧一下。

Concat允許用戶在表格下面或旁邊追加一個或多個DataFrame(取決于您如何定義軸)。

Merge將多個DataFrame合并指定主鍵(Key)相同的行。

Join，和Merge一樣，合并了兩個DataFrame。但它不按某個指定的主鍵合并，而是根據相同的列名或行名合并。

Apply是為Pandas Series而設計的。如果你不太熟悉Series，可以將它想成類似Numpy的數組。

Apply將一個函數應用于指定軸上的每一個元素。使用Apply，可以將DataFrame列(是一個Series)的值進行格式設置和操作，不用循環，非常有用！

如果您熟悉Microsoft Excel，那么你也許聽說過數據透視表。

Pandas內置的pivot_table函數以DataFrame的形式創建電子表格樣式的數據透視表,，它可以幫助我們快速查看某幾列的數據。

下面是幾個例子：

非常智能地將數據按照“Manager”分了組：

希望上面的這些描述能夠讓你發現Python一些好用的函數和概念。

- END -

總結

以上是生活随笔為你收集整理的python词汇网络分析_8个Python高效数据分析的技巧！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。