Python高频函数

1.zip函数
作用：用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表；
语法：
zip([iterable, ...])
实例:

a = [1, 2]
b = [4, 5]
c = zip(a, b)
print(list(c))
# [(1, 4), (2, 5)]

2. groupby函数与agg函数
   groupby：数据分组
   agg:对groupby分组的数据，使用统计函数，并对结果命名；

import pandas as pd
df = pd.DataFrame({
    'key1': ['a', 'a', 'b', 'b', 'a'],
    'data1': [1, 2, 3, 4, 5]})
print(df)
data1 = df.groupby(['key1'])['data1'].sum()
print(data1)
# as_index:'key1'中元素是否作为索引列(默认作为索引列)
data2 = df.groupby(['key1'], as_index=False)['data1'].agg({'key_sum': 'sum'})
print(data2)
'''
   data1 key1
0      1    a
1      2    a
2      3    b
3      4    b
4      5    a
key1
a    8
b    7
Name: data1, dtype: int64
  key1  key_sum
0    a        8
1    b        7
'''

3. apply函数
   当在pandas上使用时，对于pandas中的一列使用一个特定函数处理时，可以使用apply；

import pandas as pd
df = pd.DataFrame({
     'key1': [1, 2, 3],
     'key2': [6, 7, 8],
     'key3': [11, 12, 13]
})
print(df)
def data_sum(row):
    if row >= 2:
        return 1
    else:
        return 0
print('*************')
temp = df['key1'].apply(data_sum)
print(temp)
'''
   key1  key2  key3
0     1     6    11
1     2     7    12
2     3     8    13
*************
0    0
1    1
2    1
Name: key1, dtype: int64
'''

4.eval函数
作用：将字符串string对象转化为有效的表达式参与求值运算返回计算结果；

str = '{"name": "Bob", "age":21, "sex":"male"}'
str1 = eval(str)
print(str1)
# {'name': 'Bob', 'age': 21, 'sex': 'male'}

5. 数据拼接
   numpy&tensorflow中数据拼接参考：
   https://www.jianshu.com/p/cfe655cb5dd6
   pandas中数据拼接：
   1）concat函数

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
       keys=None, levels=None, names=None, verify_integrity=False)
参数：
objs: series，dataframe或者是panel构成的序列lsit 
axis： 需要合并链接的轴，0是行，1是列 
join：连接的方式 inner，或者outer

2）merge函数

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
         left_index=False, right_index=False, sort=True,
         suffixes=('_x', '_y'), copy=True, indicator=False)

left: 一个dataframe对象
right: 另一个dataframe对象
how: 可以是'left', 'right', 'outer', 'inner'. 默认为inner。
on: 列名，两个dataframe都有的列。如果不传参数，
    而且left_index和right_index也等于False，
    则默认把两者交叉/共有的列作为链接键（join keys）。
    可以是一个列名，也可以是包含多个列名的list。
left_on: 左边dataframe的列会用做keys。可以是列名，
    或者与dataframe长度相同的矩阵array。
right_on: 右边同上。
left_index: 如果为Ture，用左侧dataframe的index作为
    连接键。如果是多维索引，level数要跟右边相同才行。
right_index: 右边同上。
sort: 对合并后的数据框排序，以连接键。
suffixes: 一个tuple，包字符串后缀，用来加在重叠的列名后面。
    默认是('_x','_y')。
copy: 默认Ture，复制数据。
indicator: 布尔型（True/FALSE），或是字符串。
    如果为True，合并之后会增加一列叫做'_merge'。
    是分类数据，用left_only, right_only, both来标记
    来自左边，右边和两边的数据。