python資料分析常用函式

for 目標 in 對像:

print 賦值目標

1.for迴圈字串操作

>>>a = 'iplaypython.com'

>>>for i in a:

>>>    print i

案例中的 i 相當於目標，字串變數a是遍歷（迭代）對像。當執行for迴圈語句時，每一次迭代時，i 都會從遍歷（迭代）對像a中接收乙個新值輸出。結束迴圈後，目標（迭代變數）會保留最後乙個值。

2.for 迴圈元組賦值

in後面的是乙個元祖陣列,比如這種 [(1,2),(3,4),(5,6)]

>>>x =[('hello','python'),('very','good')]

>>>for (a,b) in x:

>>>    print (a,b)

('hello', 'python')

('very', 'good')

3.scipy匯入檔案

scipy.io.

loadmat()

4.numpy.mean()陣列求均值計算

numpy.
mean(a, axis=none, dtype=none, out=none, keepdims=
)

axis----axis後面的值是指定乙個軸做運算

eg：

>>> a=

np.array
([[1,2
],[3,
4]])
>>> np.
mean(a
)2.5
>>> np.
mean(a
,axis=0
)array([ 2., 3.])
>>> np.
mean(a
,axis=1
)array([ 1.5, 3.5])

5.1----------如果對乙個列表，既要遍歷索引又要遍歷元素時，首先可以這樣寫：

list1 = ["這", "是", "乙個", "測試"]

for i in range (len(list1)):
print i ,list1[i]

list1 = ["這", "是", "乙個", "測試"]

for index, item in enumerate(list1):
print index, item
>>>
0 這1 是
2 乙個
3 測試

list1 = ["這", "是", "乙個", "測試"]

for index, item in enumerate(list1, 1):
print index, item
>>>
1 這2 是
3 乙個
4 測試

5.4------------若統計檔案的行數，可以這樣寫：

count = len(open(filepath, 'r').readlines())

這種方法簡單，但是可能比較慢，當檔案比較大時甚至不能工作。

可以利用enumerate()：

count = -1

for index, line in enumerate(open(filepath,'r'))： 
count += 1

資料分析常用函式

匿名函式lambda 是指一類無需定義識別符號 函式名 的函式或子程式。格式 冒號前是引數，可以有多個，用逗號隔開，冒號右邊的為表示式。其實lambda返回值是乙個函式的位址，也就是函式物件。說明 lambda函式並不能提高程式效率，只是為了是 更加簡潔。單個引數 g lambda x x 2pri...

資料分析常用Excel函式

不寫一遍看來我是記不住了 預處理 instance num 可選引數是數值形式，預設全部替換 start num 表示第幾位開始查詢，預設為1。注意返回值為find text在整個字串中的位置而不是從查詢位開始的位置。關聯匹配 lookup lookup value,array lookup 查詢的...

numpy常用函式（資料分析

1.np.asarray array和asarray都可以將結構資料轉化為ndarray，但是主要區別就是當資料來源是ndarray時，array仍然會copy出乙個副本，占用新的記憶體，但asarray不會 2.np.linalg.norm 求兩陣列歐式距離 參考文獻 1 linalg linea...