Python！要這樣寫(xiě)！

眾所周知，編寫(xiě)Python代碼在開(kāi)始時(shí)十分容易，但隨著你在工具包中添加更多的庫(kù)，你的腳本可能會(huì)有不必要的代碼行，變得冗長(zhǎng)而混亂。可能短期內(nèi)能夠應(yīng)付工作，但長(zhǎng)期來(lái)看，麻煩不小。

在這篇文章中，我將與你分享7個(gè)技巧，使你在使用Python進(jìn)行數(shù)據(jù)科學(xué)時(shí)更加簡(jiǎn)潔。這涵蓋了我們?nèi)粘Ｋ龅氖虑椋缧薷腜andas數(shù)據(jù)框中的值，連接字符串，讀取文件等操作！

1. 使用Lambda來(lái)修改Pandas數(shù)據(jù)框中的值

假設(shè)我們有以下df數(shù)據(jù)框:

data?=?[[1,2,3],?[4,5,6],?[7,8,9]]
df?=?pd.DataFrame(data,?columns=[0,1,2])
IN[1]:?print?(df)
OUT[1]:????0??1??2
????????0??1??2??3
????????1??4??5??6
????????2??7??8??9

現(xiàn)在由于某種原因，你需要在第0列的數(shù)字上添加01的值。一個(gè)常見(jiàn)的方法是定義一個(gè)函數(shù)來(lái)完成這個(gè)任務(wù)，然后用 apply 函數(shù)來(lái)修改一列的值。

def?add_numbers(x):
????return?f'{x}01'
df[0]?=?df[0].apply(add_numbers)
IN[1]:?print?(df)
OUT[1]:?????0???1???2
????????0??101??2???3
????????1??401??5???6
????????2??701??8???9

這并不復(fù)雜，但是在數(shù)據(jù)框中對(duì)每一個(gè)改變創(chuàng)建一個(gè)函數(shù)是不切實(shí)際的。這時(shí)lambda就派上了用場(chǎng)。

lambda函數(shù)類(lèi)似于普通的Python函數(shù)，但它可以不使用名稱(chēng)來(lái)定義，這使得它成為一個(gè)漂亮的單行代碼。之前使用的代碼可以用以下方式來(lái)減少。

df[0]?=?df[0].apply(lambda?x:f'{x}01')

當(dāng)你不知道是否可以訪(fǎng)問(wèn)一個(gè)系列的屬性來(lái)修改數(shù)據(jù)時(shí)，Lambda變得非常有用。

例如，列0包含字母，我們想把它們大寫(xiě)。

#?如果你知道.str的存在，你可以這樣做
df[0]?=?df[0].str.title()
#?如果你不知道.str，你仍然可以用lambda大寫(xiě)
df[0]?=?df[0].apply(lambda?x:?x.title())

2. 使用f-string來(lái)連接字符串

字符串連接是Python中非常常見(jiàn)的操作，它可以用不同的方法來(lái)完成。最常見(jiàn)的方法是使用+運(yùn)算符；然而，這個(gè)運(yùn)算符的一個(gè)問(wèn)題是我們不能在字符串之間添加任何分隔符。

當(dāng)然，如果你想把 "Hello "和 "World "連接起來(lái)，一個(gè)典型的變通方法是添加一個(gè)空白分隔符（" "）。

print("Hello"?+?"?"?+?"World")

這就完成了工作，但為了寫(xiě)出更可讀的代碼，我們可以用一個(gè)f-string來(lái)代替它。

IN[2]:?print(f'{Hello}?{World}')
OUT[2]:?"Hello?World"

在一個(gè)基本的例子中，這似乎是不必要的，但是當(dāng)涉及到連接多個(gè)值時(shí)（正如你將在提示#3中看到的），f-string將使你免于書(shū)寫(xiě)多次+ " " +。我不知道過(guò)去有多少次不得不寫(xiě)+運(yùn)算符，但現(xiàn)在不會(huì)了！

其他連接字符串的方法是使用join()方法或format()函數(shù)，然而f-string在字符串連接方面做得更好。

3. 用Zip()函數(shù)對(duì)多個(gè)列表進(jìn)行迭代

你是否曾經(jīng)想在 Python 中循環(huán)遍歷一個(gè)以上的列表？當(dāng)你有兩個(gè)列表時(shí)，你可以用 enumerate 來(lái)實(shí)現(xiàn)。

teams?=?['Barcelona',?'Bayern?Munich',?'Chelsea']
leagues?=?['La?Liga',?'Bundesliga',?'Premiere?League']
for?i,?team?in?enumerate(teams):
????league?=?leagues[i]
????print(f'{team}?plays?in?{league}')

然而，當(dāng)你有兩個(gè)或更多的列表時(shí)，這變得不切實(shí)際。一個(gè)更好的方法是使用zip()函數(shù)。zip()函數(shù)接收迭代數(shù)據(jù)，將它們聚集在一個(gè)元組中，并返回之。

讓我們?cè)僭黾右粋€(gè)列表，看看zip()的威力!

teams?=?['Barcelona',?'Bayern?Munich',?'Chelsea']
leagues?=?['La?Liga',?'Bundesliga',?'Premiere?League']
countries?=?['Spain',?'Germany',?'UK']
for?team,?league,?country?in?zip(teams,?leagues,?countries):
????print(f'{team}?plays?in?{league}.?Country:?{country}')

上述代碼的輸出結(jié)果為：

Barcelona?plays?in?La?Liga.?Country:?Spain
Bayern?Munich?plays?in?Bundesliga.?Country:?Germany
Chelsea?plays?in?Premiere?League.?Country:?UK

此處你注意到我們?cè)谶@個(gè)例子中使用了f-string嗎？代碼變得更有可讀性，不是嗎？

4. 使用列表理解法

清洗和處理數(shù)據(jù)的一個(gè)常見(jiàn)步驟是修改現(xiàn)有的列表。比如，我們有以下需要大寫(xiě)的列表：

words?=?['california',?'florida',?'texas']

將words列表的每個(gè)元素大寫(xiě)的典型方法是創(chuàng)建一個(gè)新的大寫(xiě)列表，執(zhí)行一次 for 循環(huán)，使用.title()，然后將每個(gè)修改的值附加到新的列表中。

capitalized?=?[]
for?word?in?words:
????capitalized.append(word.title())

然而，Pythonic的方法是使用列表理解來(lái)做到這一點(diǎn)。列表理解有一種優(yōu)雅的方法來(lái)制作列表。

你可以用一行代碼重寫(xiě)上面的for循環(huán)：

capitalized?=?[word.title()?for?word?in?words]

由此我們可以跳過(guò)第一個(gè)例子中的一些步驟，結(jié)果是一樣的。

5. 對(duì)文件對(duì)象使用with語(yǔ)句

當(dāng)在一個(gè)項(xiàng)目上工作時(shí)，我們經(jīng)常會(huì)對(duì)文件進(jìn)行讀寫(xiě)操作。最常見(jiàn)的方法是使用open()函數(shù)打開(kāi)一個(gè)文件，它會(huì)創(chuàng)建一個(gè)我們可以操作的文件對(duì)象，然后作為一個(gè)習(xí)慣的做法，我們應(yīng)該使用close()關(guān)閉該文件對(duì)象。

f?=?open('dataset.txt',?'w')
f.write('new_data')
f.close()

這很容易記住，但有時(shí)寫(xiě)了幾個(gè)小時(shí)的代碼，我們可能會(huì)忘記用f.close()關(guān)閉f文件。這時(shí)，with語(yǔ)句就派上了用場(chǎng)。with語(yǔ)句將自動(dòng)關(guān)閉文件對(duì)象f，形式如下:

with?open('dataset.txt',?'w')?as?f:
????f.write('new_data')

有了這個(gè)，我們可以保持代碼的簡(jiǎn)短。

你不需要用它來(lái)讀取CSV文件，因?yàn)槟憧梢杂胮andas的 pd.read_csv()輕松地讀取，但在讀取其他類(lèi)型的文件時(shí)，這仍然很有用。例如，從pickle文件中讀取數(shù)據(jù)時(shí)經(jīng)常使用它。

import?pickle?
#?從pickle文件中讀取數(shù)據(jù)集
with?open(‘test’,?‘rb’)?as?input:
????data?=?pickle.load(input)

6. 停止使用方括號(hào)來(lái)獲取字典項(xiàng), 利用.get()代替

比如，有以下一個(gè)字典:

person?=?{'name':?'John',?'age':?20}

我們可以通過(guò)person[name]和person[age]分別獲得姓名和年齡。但是，由于某種原因，我們想獲得一個(gè)不存在的鍵，如 "工資"，運(yùn)行person[salary]會(huì)引發(fā)一個(gè)`KeyError'。

這時(shí)，get()方法就有用了。如果鍵在字典中，get()方法返回指定鍵的值，但是如果沒(méi)有找到鍵，Python 將返回None。得益于此，你的代碼不會(huì)中斷。

person?=?{'name':?'John',?'age':?20}
print('Name:?',?person.get('name'))
print('Age:?',?person.get('age'))
print('Salary:?',?person.get('salary'))

輸出結(jié)果如下:

Name:??John
Age:??20
Salary:??None

7. 多重賦值

你是否曾想減少用于創(chuàng)建多個(gè)變量、列表或字典的代碼行數(shù)？那么，你可以用多重賦值輕松做到這一點(diǎn)。

#?原始操作
a?=?1
b?=?2
c?=?3
#?替代操作
a,?b,?c?=?1,?2,?3
#?代替在不同行中創(chuàng)建多個(gè)列表
data_1?=?[]
data_2?=?[]
data_3?=?[]
data_4?=?[]
#?可以在一行中創(chuàng)建它們的多重賦值
data_1,?data_2,?data_3,?data_4?=?[],?[],?[],?[]
#?或者使用列表理解法
data_1,?data_2,?data_3,?data_4?=?[[]?for?i?in?range(4)]

原文鏈接:

https://towardsdatascience.com/7-tips-to-level-up-your-python-code-for-data-science-4a64dbccd86d