全文共2358字，預計學習時長10分鐘
圖源：unsplash
Python出圈了，似乎現在人人都在學Python，朋友圈的課程廣告遍地跑，小學生都看起了編程入門。的確，Python是目前公認的最通用的編程語言，以其易理解易操作的優勢攻佔了每一個職場人大學生必備技能榜單。
學會Python確實能協助你高效工作。但學了是一回事兒，會了是另一回事兒，不是每個人學過Python的人都能玩得轉它。以下幾個小技巧，能讓你離玩轉Python更進一步。
把不常用的類別整合成一個
有時你會得到元素分佈不均的欄，少有的類別也是僅僅存在而已。通常會希望能將這些類別合併為一個。
<code>df.artists.value_counts()/<code>
要將Coldplay和Weekend合併到一個類別中，因為它們對數據集的影響微乎其微。該怎麼做？
首先，找到不想改變的元素，比如Eminem，TaylorSwift和BrunoMars：
<code>myList =df.artists.value_counts().nlargest(3).index/<code>
使用where()函數替換其他元素
<code>df_new = df.where(df.artists.isin(myList),other='otherartists') df_new.artists.value_counts()/<code>
這便是按要求修改後的更新列。
查找列表的新元素
給定兩個不同的列表，要求找到一個列表中有但另一個列表中沒有的元素時，參照這兩個列表：
<code>A = [ 1, 3, 5, 7, 9 ] B = [ 4, 5, 6, 7, 8 ]/<code>
為了找到列表A中的新元素，我們取列表A與列表B的集合差：
<code>set(A) - set(B)/<code>
值1、3和9只出現在列表A而不出現在列表B中。
圖源：unsplash
擺脫警告
運行代碼時，經常會收到很多警告。沒過多久它就開始使人惱火。例如每當導入朝代時，可能會收到警告（FutureWarning）消息
可以用下述代碼隱藏所有警告。請確保其寫在代碼頂部。
<code>import warnings warnings.filterwarnings(action='ignore') import keras/<code>
這將有助於在整個代碼中隱藏所有警告。
Map() 函數
map()函數接受函數（function）和序列（iterable）兩個參數，返回包含結果的映射：
<code>map(func,itr)/<code>
func 是指接收來自映射傳遞的給定序列元素的函數。
itr是指可以被映射的序列。
<code>def product(n1,n2):
return n1 *n2 list1 = (1, 2, 3, 4)
list2 = (10,20,30,40)result = map(product, list1,list2)
list(result)/<code>
開始解碼。
Product函數接受兩個列表，並反饋兩個列表的乘積。列表1和列表2是充當map函數序列的兩個列表。map()集product函數和序列於一身→列表1和列表2，以及反饋兩個列表的乘積作為結果。
圖源：unsplash
Map + Lambda組合
可以使用lambda表達式修改上述代碼，以替換product函數：
<code>list1 = (1, 2, 3, 4) list2 = (10,20,30,40) result = map(lambda x,y: x * y, list1,list2) print(list(result))/<code>
Lambda表達式有助於降低單獨編寫函數的成本。
啟動、停止和設置
Slice(start:stop[:step])是通常包含部分序列的對象。
· 如果只提供停止，則從索引0開始生成部分序列直到停止。
· 如果只提供開始，則在索引開始之後生成部分序列直到最後一個元素。
· 如果同時提供開始和停止，則在索引開始之後生成部分序列直到停止。
· 如果起始、停止和步驟三者同時提供，則在索引開始之後生成部分序列直到停止，並增加索引步驟。
<code>x = [ 1, 2, 3, 4, 5, 6, 7, 8 ] x[ 1: 6: 2]/<code>
上面的代碼中，1是開始索引，6是停止索引，2是步驟索引。這意味著從指數1開始到指數6停止，步長為2。
還可以使用[::-1]操作翻轉列表：
<code>x[::-1]/<code>
沒錯，通過開始、停止和步驟操作，很容易就可以將整個列表進行逆轉。
組合Zip和Enumerate
zip和enumerate函數常用於for循環，兩個一起用就更精彩了。它不僅可以在單個循環中迭代多個值，而且可以同時獲得索引。
<code>NAME = ['Sid','John','David']
BIRD = ['Eagle','Sparrow','Vulture']
CITY =['Mumbai','US','London']for i,(name,bird,city) inenumerate(zip(NAME,BIRD,CITY)):
print(i,' represents ',name,' ,',bird,' and ',city)/<code>
Zip函數可以將所有列表合併為一個，以便同時訪問每個列表，而Enumerate函數協助獲得索引以及附加到該索引的元素。
隨機抽樣
有時會遇到非常大的數據集，因而決定處理數據的隨機子集。pandas數據框的sample函數可以實現更多的功能。不妨看看在上面已經創建過的歌星數據模型。
<code>df.sample(n=10)/<code>
這有助於獲取數據集裡隨機的10行。
<code>df.sample(frac=0.5).reset_index(drop=True)/<code>
分解上面的代碼，frac參數取值在0到1之間，包括1。它佔用分配給它的數據流的一部分。在上面的代碼片段中指定了0.5，因此它將返回size→0.5*的隨機子集
圖源：unsplash
你能看到前面的reset_index函數。它有助於適當地重排索引，因為獲取隨機子集時，索引也會被重新排列。
保留內存
隨著編程的深入，你將意識到記住內存高效代碼的重要性。生成器是返回我們可以遍歷的對象的函數。這有助於有效利用內存，因此它主要用於當在無限長的序列上迭代。
<code>def SampleGenerator(n):
yield n
n = n+1
yield n
n = n+1
yield ngen = SampleGenerator(1)/<code>Yield 語句暫停函數，保存其所有狀態，並在以後的連續調用中繼續執行。
<code>如轉載，請後臺留言，遵守轉載規範print(next(gen)) print(next(gen)) print(next(gen))/<code>
如你所見，yield保存了前一個狀態，而每當我們調用下一個函數時，它都會繼續到下一個返回其新輸出的yield。
通過添加在generator函數內無限運行的while循環，可以迭代單個yield。
<code>def updatedGenerator(n):
while(1):
yield n
n = n + 1
a = updatedGenerator(1)for i in range(5):
print(next(a))/<code>
While語句可以反覆迭代相同的yield語句。
救世主Skiprows
重頭戲壓軸出場！要讀取的csv文件過大，以至於內存不夠用？Skiprows可以輕鬆解決。
圖源：unsplash
它可以指定需要在數據框中跳過的行數。
假設有個100萬行的數據集，不適合你的內存。如果分配skiprows=0.5 million（跳讀50萬行），在讀取數據集的時候就會跳過50萬行，這樣就可以輕鬆地讀取數據集的子集。
<code>df = pd.read_csv('artist.csv')
df_new = pd.read_csv('artist.csv',skiprows=50)df.shape,
df_new.shape/<code>
在上面的代碼片段中，df表示包含112行的數據集。在添加了skiprows=50（跳讀50行）之後，它跳過了數據集中的50行，從而讀取了62行作為新數據集。
破案啦！編碼效率提升一大截的秘密就在於此。
留言點贊關注
我們一起分享AI學習與發展的乾貨
如轉載，請後臺留言，遵守轉載規範
