前言

眾所周知，編寫Python代碼在開始時十分容易，但隨著你在工具包中添加更多的庫，你的腳本可能會有不必要的代碼行，變得冗長而混亂。可能短期內能夠應付工作，但長期來看，麻煩不小。

在這篇文章中，我將與你分享7個技巧，使你在使用Python進行數據科學時更加簡潔。這涵蓋了我們日常所做的事情，例如修改Pandas數據框中的值，連接字符串，讀取文件等操作！

1. 使用Lambda來修改Pandas數據框中的值

假設我們有以下df數據框:

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

現在由于某種原因，你需要在第0列的數字上添加01的值。一個常見的方法是定義一個函數來完成這個任務，然后用 apply 函數來修改一列的值。

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

這并不復雜，但是在數據框中對每一個改變創建一個函數是不切實際的。這時lambda就派上了用場。

lambda函數類似于普通的Python函數，但它可以不使用名稱來定義，這使得它成為一個漂亮的單行代碼。之前使用的代碼可以用以下方式來減少。

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

當你不知道是否可以訪問一個系列的屬性來修改數據時，Lambda變得非常有用。

例如，列0包含字母，我們想把它們大寫。

# 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
df[0] = df[0].apply(lambda x: x.title())

2. 使用f-string來連接字符串

字符串連接是Python中非常常見的操作，它可以用不同的方法來完成。最常見的方法是使用+運算符；然而，這個運算符的一個問題是我們不能在字符串之間添加任何分隔符。

當然，如果你想把 "Hello "和 "World "連接起來，一個典型的變通方法是添加一個空白分隔符（" "）。

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

這就完成了工作，但為了寫出更可讀的代碼，我們可以用一個f-string來代替它。

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

在一個基本的例子中，這似乎是不必要的，但是當涉及到連接多個值時（正如你將在提示#3中看到的），f-string將使你免于書寫多次+ " " +。我不知道過去有多少次不得不寫+運算符，但現在不會了！

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

3. 用Zip()函數對多個列表進行迭代

你是否曾經想在 Python 中循環遍歷一個以上的列表？當你有兩個列表時，你可以用 enumerate 來實現。

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，當你有兩個或更多的列表時，這變得不切實際。一個更好的方法是使用zip()函數。zip()函數接收迭代數據，將它們聚集在一個元組中，并返回之。

讓我們再增加一個列表，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

此處你注意到我們在這個例子中使用了f-string嗎？代碼變得更有可讀性，不是嗎？

4. 使用列表理解法

清洗和處理數據的一個常見步驟是修改現有的列表。比如，我們有以下需要大寫的列表：

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

將words列表的每個元素大寫的典型方法是創建一個新的大寫列表，執行一次 for 循環，使用.title()，然后將每個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做到這一點。列表理解有一種優雅的方法來制作列表。

你可以用一行代碼重寫上面的for循環：

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

由此我們可以跳過第一個例子中的一些步驟，結果是一樣的。

5. 對文件對象使用with語句

當在一個項目上工作時，我們經常會對文件進行讀寫操作。最常見的方法是使用open()函數打開一個文件，它會創建一個我們可以操作的文件對象，然后作為一個習慣的做法，我們應該使用close()關閉該文件對象。

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

這很容易記住，但有時寫了幾個小時的代碼，我們可能會忘記用f.close()關閉f文件。這時，with語句就派上了用場。with語句將自動關閉文件對象f，形式如下:

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

有了這個，我們可以保持代碼的簡短。

你不需要用它來讀取CSV文件，因為你可以用pandas的 pd.read_csv()輕松地讀取，但在讀取其他類型的文件時，這仍然很有用。例如，從pickle文件中讀取數據時經常使用它。

import pickle 
# 從pickle文件中讀取數據集
with open(‘test', ‘rb') as input:
    data = pickle.load(input)

6. 停止使用方括號來獲取字典項, 利用.get()代替

比如，有以下一個字典:

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

我們可以通過person[name]和person[age]分別獲得姓名和年齡。但是，由于某種原因，我們想獲得一個不存在的鍵，如 "工資"，運行person[salary]會引發一個`KeyError'。

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

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

輸出結果如下:

Name:  John
Age:  20
Salary:  None

7. 多重賦值

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

# 原始操作
a = 1
b = 2
c = 3
# 替代操作
a, b, c = 1, 2, 3
# 代替在不同行中創建多個列表
data_1 = []
data_2 = []
data_3 = []
data_4 = []
# 可以在一行中創建它們的多重賦值
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

總結

到此這篇關于讓Python代碼簡潔的實用技巧的文章就介紹到這了,更多相關Python代碼簡潔技巧內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！