Python基础和Numpy基础

一、Python基础

1, 列表推导式与条件赋值

• [* for i in *] 。其中，第一个 * 为映射函数，其输入为后面 i 指代的内容，第二个 * 表示迭代的对象。
  

• value = a if condition else b ：
  

2. 匿名函数与map方法

• map 函数来完成，它返回的是一个 map 对象，需要通过 list 转为列表：
• 

3. zip对象与enumerate方法

• zip函数能够把多个可迭代对象打包成一个元组构成的可迭代对象，它返回了一个 zip 对象，通过 tuple, list 可以得到相应的打包结果：
  

• 需要对两个列表建立字典映射时，可以利用 zip 对象：
  

• *操作符和 zip 联合使用来进行解压操作
  

• enumerate 是一种特殊的打包，它可以在迭代时绑定迭代元素的遍历序号：
  

二、Numpy基础

1. np数组的构造

• 等差序列： np.linspace, np.arange
• 特殊矩阵： zeros, eye, full
• 随机矩阵： np.random

  • rand, randn, randint, choice ，它们分别表示0-1均匀分布的随机数组、标准正态的随机数组、随机整数组和随机列表抽样

  • 当返回的元素个数与原列表相同时，等价于使用 permutation 函数，即打散原列表
    

  • 随机种子，固定随机数的输出结果
    

2. np数组的变形与合并

• 转置： T
• 合并操作： r_ 和 c_ 分别表示上下合并和左右合并
  
• 维度变换： reshape

3. np数组的切片与索引

• slice 类型的 start🔚step 切片
  

4. 常用函数

• where 是一种条件函数，可以指定满足条件与不满足条件位置对应的填充值
  
• nonzero, argmax, argmin
  • 这三个函数返回的都是索引， nonzero 返回非零数的索引， argmax, argmin 分别返回最大和最小数的索引
  • 
• any, all

  • any 指当序列至少 存在一个 True 或非零元素时返回 True ，否则返回 False

  • all 指当序列元素 全为 True 或非零元素时返回 True ，否则返回 False

• cumprod, cumsum, diff
  • cumprod, cumsum 分别表示累乘和累加函数，返回同长度的数组， diff 表示和前一个元素做差，由于第一个元素为缺失值，因此在默认参数情况下，返回长度是原数组减1
  • 
• 统计函数
  • max, min, mean, median, std, var, sum, quantile ，其中分位数计算是全局方法，因此不能通过 array.quantile 的方法调用
  • 需要略过缺失值，必须使用 nan* 类型的函数
  • cov, corrcoef: 协方差和相关系数

    • DataFrame.corr(method='pearson', min_periods=1)

    • 参数说明：

      • method：可选值为{‘pearson’, ‘kendall’, ‘spearman’}

      pearson：Pearson相关系数来衡量两个数据集合是否在一条线上面，即针对线性数据的相关系数计算，针对非线性 数据便会有误差。
      kendall：用于反映分类变量相关性的指标，即针对无序序列的相关系数，非正太分布的数据
      spearman：非线性的，非正太分析的数据的相关系数

      • min_periods：样本最少的数据量

      • 返回值：各类型之间的相关系数DataFrame表格。

    • 当 axis=0 时结果为列的统计指标，当 axis=1 时结果为行的统计指标

    • 

5. 广播机制

• 当一个标量和数组进行运算时，标量会自动把大小扩充为数组大小，之后进行逐元素操作

• 二维数组之间的操作

• 

• 一维数组与二维数组的操作

• 

6. 向量与矩阵的计算

• 向量内积： dot
• 向量范数和矩阵范数： np.linalg.norm
• 
• 矩阵乘法： @
• 

参考:
https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch1.html#id8