不管是參加kaggle比賽，還是開發乙個深度學習應用，第一步總是資料分析。
這篇文章介紹了8個使用python進行資料分析的方法，不僅能夠提公升執行效率，還能夠使**更加「優美」。
一行**定義list
定義某種列表時，寫for 迴圈過於麻煩，幸運的是，python有一種內建的方法可以在一行**中解決這個問題。
下面是使用for迴圈建立列表和用一行**建立列表的對比。
x = [1,2,3,
4]out =
for
item
in x: 2
(out)
[1, 4,
9, 16]
# vs.
x = [
1,2,
3,4]
out = [item**
2 for
item
in x]
(out)
[ 1, 4
, 9, 16]
lambda表示式
厭倦了定義用不了幾次的函式？ lambda表示式是你的救星！
lambda表示式用於在python中建立小型，一次性和匿名函式物件， 它能替你建立乙個函式。
lambda表示式的基本語法是：
lambda arguments: expression注意！只要有乙個lambda表示式，就可以完成常規函式可以執行的任何操作。
你可以從下面的例子中，感受lambda表示式的強大功能：
double =lambda
x: x * 2
(double(5))
10map和filter
一旦掌握了lambda表示式，學習將它們與map和filter函式配合使用，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並將其轉換為新列表。
在本例中，它遍歷每個元素並乘以2，構成新列表。
（注意！list()函式只是將輸出轉換為列表型別）
# mapseq = [1,
2, 3,
4, 5]
result =
list
(map
(lambda
var: var*2,
seq))
(result)
[2, 4,
6, 8,
10]
filter函式接受乙個列表和一條規則，就像map一樣，但它通過比較每個元素和布林過濾規則來返回原始列表的乙個子集。
# filterseq = [1,
2, 3,
4, 5]
result =
list
(filter
(lambda
x: x > 2,
seq))
(result)
[3, 4,
5]
arange和linspace
arange返回給定步長的等差列表。
它的三個引數start、stop、step分別表示起始值，結束值和步長，請注意！stop點是乙個「截止」值，因此它不會包含在陣列輸出中。
# np.arange(start, stop, step)np.arange(3,
7, 2)
array([
3, 5])
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將返回乙個numpy陣列。
這對繪圖時資料視覺化和宣告座標軸特別有用。
# 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代表什麼？
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：
df.drop('column a'
, axis=1
) df.drop(
'row a'
, axis=0
) 如果你想處理列，將axis設定為1，如果你想要處理行，將其設定為0。
但為什麼呢？
回想一下pandas中的shape。
df.shape (# of rows, # of columns)
從pandas dataframe中呼叫shape屬性返回乙個元組，第乙個值代表行數，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，這很像我們如何宣告軸值。
concat，merge和join
如果您熟悉sql，那麼這些概念對您來說可能會更容易。
無論如何，這些函式本質上就是以特定方式組合dataframe的方式。
在哪個時間跟蹤哪乙個最適合使用可能很困難，所以讓我們回顧一下。
concat允許使用者在**下面或旁邊追加乙個或多個dataframe（取決於您如何定義軸）。
merge將多個dataframe合併指定主鍵（key）相同的行。
join，和merge一樣，合併了兩個dataframe。
但它不按某個指定的主鍵合併，而是根據相同的列名或行名合併。
如果您熟悉microsoft excel，那麼你也許聽說過資料透視表。
pandas內建的pivot_table函式以dataframe的形式建立電子**樣式的資料透視表,，它可以幫助我們快速檢視某幾列的資料。
下面是幾個例子：
非常智慧型地將資料按照「manager」分了組：
或者也可以篩選屬性值
總結 希望上面的這些描述能夠讓你發現python一些好用的函式和概念。
原文發布時間為：2018-09-7
8個Python高效資料分析的技巧
不管是參加kaggle比賽，還是開發乙個深度學習應用，第一步總是資料分析。這篇文章介紹了8個使用python進行資料分析的方法，不僅能夠提公升執行效率，還能夠使 更加 優美 一行 定義list 定義某種列表時，寫for 迴圈過於麻煩，幸運的是，python有一種內建的方法可以在一行 中解決這個問題。...
8個Python高效資料分析的技巧
一行 定義list 下面是使用for迴圈建立列表和用一行 建立列表的對比。x 1,2,3,4 out for item in x print out 1,4,9,16 vs.x 1,2,3,4 out item 2 for item in x print out 1,4,9,16 lambda表示式...
資料分析能力的8個等級
並非所有的分析方法作用都相同。和大多數軟體解決方案一樣，你會發現分析方法的能力也存在差異，從簡單明瞭的到高階複雜。下面我們按照不同分析方法所能給人帶來的智慧型程度，把分析能力劃分為8個等級。1.標準報表 回答 發生了什麼？什麼時候發生的？示例 月度或季度財務報表 我們都見過報表，它們一般是定期生成，...