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]
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: expressiondouble = lambda x: x * 2
print(double(5))
10
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。 請注意，list()函式只是將輸出轉換為列表型別。
# map
seq = [1, 2, 3, 4, 5]
result = list(map(lambda var: var*2, seq))
print(result)
[2, 4, 6, 8, 10]
# filter
seq = [1, 2, 3, 4, 5]
result = list(filter(lambda x: x > 2, seq))
print(result)
[3, 4, 5]
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])
# np.linspace(start, stop, num)
np.linspace(2.0, 3.0, num=5)
array([ 2.0, 2.25, 2.5, 2.75, 3.0])
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)
df.shape
(# of rows, # of columns)
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。
最後是pivot tables。 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
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
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。...
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，...