python初学者必会的9个技巧

大家好，我是小寒。

今天来分享 9 个 python 常用技巧，如果觉得不错，点赞，转发安排起来。

一、列表推导

greenhouse = ['boat orchid', 'bird\'s nest fern', 'dancing-lady orchid',
              'nun\'s hood orchid', 'pennywort', 'snake plant', 
              'maidenhair fern', 'chinese ground orchid', 
              'vanilla orchid', 'tiger orchid', 'pothos']
              
[print(plant) for plant in greenhouse if 'orchid' in plant];

二、单行 if 语句

与前面的技巧一样，单行 if 可以帮助你，使代码更简洁。

此代码将单行 if 与列表推导结合起来，在植物是兰花的情况下输出 1，否则输出 0。

[1 if 'orchid' in plant else 0 for plant in greenhouse]

输出为：

[1, 0, 1, 1, 0, 0, 0, 1, 1, 1, 0]

三、将 lambda 函数 应用于 DataFrame 列

pandas DataFrame 是一种可以保存表格数据的结构。 lambda
 是一个关键字，它提供了对表中的值执行操作的快捷方式。

import pandas as pd

data = pd.DataFrame({'plant': greenhouse,
                  'height_(cm)': [50, 20, 15, 40, 50, 
                                   60, 45, 50, 50, 20, 20],
                  'condition': ['full sun', 'shade', 'partial sun', 'partial sun', 'partial sun', 
                                'full sun', 'shade', 'partial sun', 'full sun', 'partial sun', 'full sun'],
                  'water_(cm/week)': [2.5, 4, 2.5, 2.5, 3, 
                                  0.5, 4.5, 2.5, 2, 2.5, 2.5],
                  'music': ['bach', 'bach', 'beyonce', 'bach', 'cardi b', 
                            'nicki', 'bach', 'bach', 'vivaldi', 'cardi b', 'bach']})

输出为：

                    plant  height_(cm)    condition  water_(cm/week)    music
0             boat orchid           50     full sun              2.5     bach
1        bird's nest fern           20        shade              4.0     bach
2     dancing-lady orchid           15  partial sun              2.5  beyonce
3       nun's hood orchid           40  partial sun              2.5     bach
4               pennywort           50  partial sun              3.0  cardi b
5             snake plant           60     full sun              0.5    nicki
6         maidenhair fern           45        shade              4.5     bach
7   chinese ground orchid           50  partial sun              2.5     bach
8          vanilla orchid           50     full sun              2.0  vivaldi
9            tiger orchid           20  partial sun              2.5  cardi b
10                 pothos           20     full sun              2.5     bach

假设我们想知道植物是否更喜欢某个德国古典作曲家。

data['music'].apply(lambda x: 1 if x == 'bach' else 0)

四、将条件应用于多列

假设我们要确定哪些喜爱巴赫的植物也需要充足的阳光，因此我们可以将它们一起安排在温室中。

def sunny_shelf(col1, col2):
        return  (1 if ((col1 == 'full sun') & (col2 == 'bach')) else 0)
        
data['new_shelf'] = data.apply(lambda x: sunny_shelf(x.condition, x.music), axis=1)

import numpy as np
data['new_shelf'] = np.where((data['condition'] == 'full sun') 
                             & (data['music'] == 'bach'), 1, 0)

五、读入 .csv 文件并设置索引

可以通过 read_csv() 函数来读取 csv 格式的数据。

假设 csv 文件中包含一个唯一的植物标识符，我们希望将其用作 DataFrame 中的索引。我们可以使用 index_col 参数进行设置。

data = pd.read_csv('greenhouse.csv', index_col='plant_id')

六、格式化价格

'${:,.2f}'.format(data['price'].sum())

输出为：

'$16,126.66'

七、创建数据透视表

接下来，假设我们想查看每个植物物种的花费。我们可以使用 pd.pivot_table() 或 .groupby()进行聚合。

pd.pivot_table(data, index='plant', values='price', aggfunc=np.sum)

或者

data[['plant','price']].groupby(by='plant').sum()

我们还可以使用任一方法指定多级数据透视表。

data['orchid'] = data['plant'].apply(lambda x: 1 if 'orchid' in x else 0)

piv = pd.pivot_table(data2, index=['orchid', 'plant'], values='price', aggfunc=np.sum)

piv0 = data[['orchid','plant','price']].groupby(by=['orchid','plant']).sum()

八、计算占总数的百分比

好奇每种植物对温室总成本的贡献？将每个值除以所有行的总和，并将该输出分配给名为 “perc” 的新列：

piv['perc'] = piv['price'].div(piv['price'].sum(axis=0))

九、 按多列排序

piv.sort_values(['orchid','price'], ascending=False)