這篇文章主要介紹“學習Python過程中該注重哪些細節(jié)”，在日常操作中，相信很多人在學習Python過程中該注重哪些細節(jié)問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”學習Python過程中該注重哪些細節(jié)”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

創(chuàng)新互聯(lián)自2013年起，是專業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項目成都網(wǎng)站設(shè)計、成都做網(wǎng)站網(wǎng)站策劃，項目實施與項目整合能力。我們以讓每一個夢想脫穎而出為使命，1280元靖州做網(wǎng)站,已為上家服務(wù),為靖州各地企業(yè)和個人服務(wù),聯(lián)系電話:028-86922220

01、只要一行代碼的列表生成器

假如每次你想要生成個列表，都要寫個循環(huán)，是不是很煩呢？好在 Python 已經(jīng)有一個內(nèi)建方法，只要一行代碼就能搞定這個問題。如果你不熟悉這個語法，可能理解起來會有點難度，不過一旦你習慣這個技術(shù)之后，你一定會愛不釋手的！

動圖：如何將一個循環(huán)改成列表生成式（來源：Trey Hunner ）

上面這個動圖就是一個很好的例子，原來的代碼就是采用 for 循環(huán)生成列表的方法，而圖上一步一步將它改造成了一個只有一行代碼的列表生成式，再也不用循環(huán)啦。是不是很簡潔？

下面是另外一個對比范例：

使用循環(huán)：

輸出的結(jié)果是 [1, 4, 9, 16]

使用生成式：

輸出的結(jié)果也是 [1, 4, 9, 16]

02、Lambda 表達式

明明這個函數(shù)用不了幾次，每次都要寫一大串函數(shù)構(gòu)建代碼，是不是很累？別怕，Lambda 表達式來救你！Lambda 表達式能方便地創(chuàng)造簡單、一次使用而且匿名的函數(shù)對象。基本上，它們讓你無需費心構(gòu)造一個函數(shù)，而是直接使用這個函數(shù)。

Lambda 表達式的基本語法是：

歐剃漢化，

要記住，Lambda 表達式創(chuàng)造的函數(shù)和普通的 def 構(gòu)建的函數(shù)沒什么不同，只不過函數(shù)體只有單獨一個表達式而已。看看下面這個例子：

輸出的結(jié)果是 10

03、Map 和 Filter 函數(shù)

一旦你掌握了 Lambda 表達式，將它們與 map 或 filter 函數(shù)一起使用，可謂是威力無比。

具體來說， map() 函數(shù)接收一個列表，和一個函數(shù)，它對列表里的每個元素調(diào)用一個函數(shù)進行處理，再將結(jié)果放進一個新列表里。下面這個例子中，map() 函數(shù)遍歷 seq 中的每個元素，把它乘2，再把結(jié)果放入一個新列表，***返回這個列表。最外面一層 list() 函數(shù)是把 map() 返回的對象轉(zhuǎn)換成列表格式。

輸出的結(jié)果是 [2, 4, 6, 8, 10]

而 filter() 函數(shù)略有不同，它接收一個列表，和一個規(guī)則函數(shù)，在對列表里的每個元素調(diào)用這個規(guī)則函數(shù)之后，它把所有返回值為假的元素從列表中剔除，然后返回這個過濾后的子列表。

輸出的結(jié)果是 [3, 4, 5]

04、Arange 和 Linspace 函數(shù)

為了快速方便地生成 numpy 的數(shù)組，你一定得熟悉 arange() 和 linspace() 這兩個函數(shù)。這兩個函數(shù)分別有自己的特定用法，不過對我們來說，它們都能很好地生成 numpy 數(shù)組（而不是用 range() ），這在數(shù)據(jù)科學的分析工作上可是相當好用的。

arange() 函數(shù)按照指定的步長返回一個等差數(shù)列。除開始和結(jié)束值之外，你還可以自定義步長和數(shù)據(jù)類型。請注意，給定的結(jié)束值參數(shù)是不會被包含在結(jié)果內(nèi)的。

輸出的是一個數(shù)組對象： array([3, 5])

linspace() 函數(shù)的用法也很類似，不過有一點小小的不同。 linspace() 返回的是將給定區(qū)間進行若干等分以后的等分點組成的數(shù)列。所以你傳入的參數(shù)包括開始值、結(jié)束值，以及具體多少等分。linspace() 將這個區(qū)間進行等分后，把開始值、結(jié)束值和每個等分點都放進一個 NumPy 數(shù)組里。這在做數(shù)據(jù)可視化以及繪制坐標軸的時候都很有用。

輸出的是一個數(shù)組對象： array([ 2.0, 2.25, 2.5, 2.75, 3.0])

05、Pandas 中坐標軸（axis 參數(shù)）的意義

在 Pandas 里要篩掉某一列，或是在 NumPy 矩陣里要對數(shù)據(jù)求和的時候，你可能已經(jīng)遇到過這個 axis 參數(shù)的問題。如果你還沒見過，那提前了解一下也無妨。比如，對某個 Pandas 表這樣處理：

在我真正理解之前，我基本上每次要用到 drop 的時候，都得去重新查詢一下哪個 axis 的值對應(yīng)的是哪個，多到我自己都數(shù)不清了。正如上面這個示例，你大概已經(jīng)看出，如果要處理列，axis 要設(shè)成 1，如果處理行，axis 要設(shè)成 0，對吧。但這是為什么呢？我最喜歡的一個解釋（或者是我如何記住這一點的）是這樣的：

獲取 Pandas 數(shù)據(jù)表對象的 shape 屬性，你將獲得一個元組，元組的***個元素是數(shù)據(jù)表的行數(shù)，第二個元素是數(shù)據(jù)表的列數(shù)。想想 Python 里這兩個元素的下標吧，前面一個是 0，后面一個是 1，對不對？所以對于 axis 參數(shù)，0 就是前面的行數(shù)，1 就是后面的列數(shù)，怎么樣，好記吧？

06、用 Concat、Merge 和 Join 來合并數(shù)據(jù)表

如果你熟悉 SQL，這幾個概念對你來說就是小菜一碟。不過不管怎樣，這幾個函數(shù)從本質(zhì)上來說不過就是合并多個數(shù)據(jù)表的不同方式而已。當然，要時刻記著什么情況下該用哪個函數(shù)也不是一件容易的事，所以，讓我們一起再回顧一下吧。

concat() 可以把一個或多個數(shù)據(jù)表按行（或列）的方向簡單堆疊起來（看你傳入的 axis 參數(shù)是 0 還是 1 咯）。

merge() 將會以用戶指定的某個名字相同的列為主鍵進行對齊，把兩個或多個數(shù)據(jù)表融合到一起。

join()和 merge() 很相似，只不過 join() 是按數(shù)據(jù)表的索引進行對齊，而不是按某一個相同的列。當某個表缺少某個索引的時候，對應(yīng)的值為空（NaN）。

有需要的話，你還可以查閱Pandas 官方文檔 ，了解更詳細的語法規(guī)則和應(yīng)用實例，熟悉一些你可能會碰到的特殊情況。

07、Apply 函數(shù)

你可以把 apply() 當作是一個 map() 函數(shù)，只不過這個函數(shù)是專為 Pandas 的數(shù)據(jù)表和 series 對象打造的。對初學者來說，你可以把 series 對象想象成類似 NumPy 里的數(shù)組對象。它是一個一維帶索引的數(shù)據(jù)表結(jié)構(gòu)。

apply() 函數(shù)作用是，將一個函數(shù)應(yīng)用到某個數(shù)據(jù)表中你指定的一行或一列中的每一個元素上。是不是很方便？特別是當你需要對某一列的所有元素都進行格式化或修改的時候，你就不用再一遍遍地循環(huán)啦！

這里就舉幾個簡單的例子，讓大家熟悉一下基本的語法規(guī)則：

08、數(shù)據(jù)透視表（Pivot Tables）

***也最重要的是數(shù)據(jù)透視表。如果你對微軟的 Excel 有一定了解的話，你大概也用過（或聽過）Excel 里的“數(shù)據(jù)透視表”功能。Pandas 里內(nèi)建的 pivot_table() 函數(shù)的功能也差不多，它能幫你對一個數(shù)據(jù)表進行格式化，并輸出一個像 Excel 工作表一樣的表格。實際使用中，透視表將根據(jù)一個或多個鍵對數(shù)據(jù)進行分組統(tǒng)計，將函數(shù)傳入?yún)?shù) aggfunc 中，數(shù)據(jù)將會按你指定的函數(shù)進行統(tǒng)計，并將結(jié)果分配到表格中。

下面是幾個 pivot_table() 的應(yīng)用例子：

到此，關(guān)于“學習Python過程中該注重哪些細節(jié)”的學習就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續(xù)學習更多相關(guān)知識，請繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>
名稱欄目：學習Python過程中該注重哪些細節(jié)
當前網(wǎng)址：http://weahome.cn/article/pecsdd.html