python排课代码_python⾼效代码整理
#⼀⾏代码定义list
numbers=[1,2,3,4,5]
doubled_odds=[]
for n in numbers:
if n%2==1:
doubled_odds.append(n*2)
##简便⽅法
linspace函数pythondoubled_odds=[n*2 for n in numbers if n%2==1]
print(doubled_odds)
#Lambbda 表达式
Lambda表达式⽤于在Python中创建⼩型，⼀次性和匿名函数对象， 它能替你创建⼀个函数。
double = lambda x: x * 2
print(double(5))
#Map和Filter
具体来说，map通过对列表中每个元素执⾏某种操作并将其转换为新列表。 在本例中，它遍历每个元素并乘以2，构成新列表。 (注意！list()函数只是将输出转换为列表类型)
##Map
seq = [1, 2, 3, 4, 5]
result = list(map(lambda var: var*2, seq))
print(result)
Filter函数接受⼀个列表和⼀条规则，就像map⼀样，但它通过⽐较每个元素和布尔过滤规则来返回原始列表的⼀个⼦集.
##Filter
seq = [1, 2, 3, 4, 5]
result = list(filter(lambda x: x > 2, seq))
print(result)
Arange和Linspace
Arange返回给定步长的等差列表。它的三个参数start、stop、step分别表⽰起始值，结束值和步长，请注意！stop点是⼀个“截⽌”值，因此它不会包含在数组输出中。
# np.arange(start, stop, step)
np.arange(3, 7, 2)
#输出 array([3, 5])
Linspace以指定数⽬均匀分割区间，所以给定区间start和end，以及等分分割点数⽬num，linspace将返回⼀个NumPy数组。
# np.linspace(start, stop, num)
np.linspace(2.0, 3.0, num=5)
array([ 2.0, 2.25, 2.5, 2.75, 3.0]
Axis代表什么？
在Pandas中，删除⼀列或在NumPy矩阵中求和值时，可能会遇到Axis。我们⽤删除⼀列(⾏)的例⼦：
df.drop('Column A', axis=1)
df.drop('Row A', axis=0)
如果你想处理列，将Axis设置为1，如果你想要处理⾏，将其设置为0。
df.shape
(# of Rows, # of Columns)
从Pandas DataFrame中调⽤shape属性返回⼀个元组，第⼀个值代表⾏数，第⼆个值代表列数。如果你想在Python中对其进⾏索引，则⾏数下标为0，列数下标为1，这很像我们如何声明轴值。
df.shape
(# of Rows, # of Columns)
Concat，Merge和Join
Concat允许⽤户在表格下⾯或旁边追加⼀个或多个DataFrame(取决于您如何定义轴)。Merge将多个DataFrame合并指定主键(Key)相同的⾏。Join，和Merge⼀样，合并了两个DataFrame。但它不按某个指定的主键合并，⽽是根据相同的列名或⾏名合并。
Pandas Apply
Apply是为Pandas Series⽽设计的。如果你不太熟悉Series，可以将它想成类似Numpy的数组。
Apply将⼀个函数应⽤于指定轴上的每⼀个元素。使⽤Apply，可以将DataFrame列(是⼀个Series)的值进⾏格式设置和操作，不⽤循环，⾮常有⽤！
df = pd.DataFrame([[4, 9],] * 3, columns=['A', 'B'])
df
A B
0 4 9
1 4 9
2 4 9
df.apply(np.sqrt)
A B
0 2.0 3.0
1 2.0 3.0
2 2.0 3.0
df.apply(np.sum, axis=0)
A 12
B 27
df.apply(np.sum, axis=1)
0 13
1 13
2 13
Pivot Tables
⾮常智能地将数据按照“Manager”分了组
pd.pivot_table(df, index=["Manager", "Rep"])
或者也可以筛选属性值
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"])

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。