Py学习  »  Python

《Python for Data Analysis》书中Pythonic写法

Python爱好者社区 • 6 年前 • 424 次点击  

作者:生活缺乏心跳

个人博客: www.ethertopia.cn


最近重新阅读了《Python for Data Analysis》一书,发现好多Pythonic的写法。之前也看到过,每次看的时候都会发自内心的感叹一句“写得真好”,但是几天之后就忘了,所以这次再读的时候,打算将他们写下来。

zip

zip的用法就是将几个list,tuple或者其他队列组合成tuple的列表。最基本的用法

seq1 = ['foo', 'bar', 'baz']seq2 = ['one', 'two', 'three']zipped = zip(seq1, seq2)print (list(zipped))

结果: [('foo', 'one'), ('bar', 'two'), ('baz', 'three')]

基本的用法了解,我们来一下高级用法

pitchers = [('Nolan', 'Ryan'), ('Roger', 'Clemens'),('Schilling', 'Curt')] print (*a) # 打印结果为:('Nolan', 'Ryan') ('Roger', 'Clemens') ('Schilling', 'Curt') first_names, last_names = zip(*pitchers)

这里的 * 我之前也不知道怎么使用。* 可以将元素提取出来,然后用zip,将first_name和second_name分开。

dict

情境一:我们经常会遇到要从dict中取value,但是在取之前,我们并不确定key是否存在呢,所以会先判断key是否存在:

if key in my_dict:    value = my_dict[key] else:    value = default_value

优化代码:dict其实是有get方法

value = my_dict.get(key, default_value)

情境二:要将一个文档里的单词,按照首字母归类。最后的储存结果为一个dict,key是首字母,value是单词的list。 result = {"a":[],"b":[],...}

words = ['apple', 'bat', 'bar', 'atom', 'book'] result = {} for word in words:    letter = word[0]    if letter in result.key():        result[letter].append(word)    else:        result['letter'] = [word]

优化代码:dict有setdefault方法

words = ['apple', 'bat', 'bar', 'atom', 'book'] result = {} for word in words:    letter = word[0]    result.setdefault(letter, []).append(word)

sort 和 lambda

我们需要将一些string

  • 按字符长排序words = ['foo', 'card', 'bar', 'aaaa', 'abab']
    words.sort(key = lambda x : len(x))

  • 按字符不同字母数量排序words = ['foo', 'card', 'bar', 'aaaa', 'abab']
    words.sort(key = lambda x : len(set(x)))

np.where()

需要将大于0的数字变成5,将小于0的数据变成-4.

arr = np.random.randn(4,4) np.where(arr>0,5,-4)

或者大于0的数字变成5,小于0的数据不变

arr = np.random.randn(4,4) np.where(arr>0,5,arr)

np.cumsum()

我自己一直有用sum(),mean()但是很少用到累计和。这次看到了所以也记一笔。

arr = np.random.randn(4,4) #所有数字累加 arr.cumsum() np.cumsum(arr) #按列累加 arr.cumsum(axis = 0) np.cumsum(arr,axis = 0) #按行累加 arr.cumsum(axis = 1) np.cumsum(arr,axis = 1) #同理累乘 arr.cumprod()

np.any() and np.all()

我们需要判断一个数组是否都为正数

arr = np.random.randn(4,4) (arr>0).any() (arr>0).all()

巧取四分之一的数据

large_arr = np.random.randn(1000) large_arr.sort() large_arr[int(0.25 * len(large_arr)]

我觉得这上面的写法可以使我的代码精简很多,pythonic是最终目标。

如果这些中有你不熟悉的用法,那就点个赞,因为你离pythonic又近了一步。

Python爱好者社区历史文章大合集

Python爱好者社区历史文章列表(每周append更新一次)

福利:文末扫码立刻关注公众号,“Python爱好者社区”开始学习Python课程

关注后在公众号内回复 课程即可获取

小编的Python入门视频课程!!!

崔老师爬虫实战案例免费学习视频。

丘老师数据科学入门指导免费学习视频。

陈老师数据分析报告制作免费学习视频。

玩转大数据分析!Spark2.X+Python 精华实战课程免费学习视频。

丘老师Python网络爬虫实战免费学习视频。



今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/uMtqGA2R0n
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/8702
 
424 次点击