用Python做数据科学时容易忘记的八个要点！

如果你发觉自己在编程时一次又一次地查找相同的问题、概念或是语法，你不是一个人!

虽然我们在StackOverflow或其他网站上查找答案是很正常的事情，但这样做确实比较花时间，也让人怀疑你是否完全理解了这门编程语言。

我们现在生活的世界里，似乎有着无限的免费资源，而你只需要一次搜索即可获得。然而，这既是这个时代的幸事，也是一种诅咒。如果没能有效利用资源，而是对它们过度依赖，你就会养成不良的习惯，长期处于不利境地。

当我谷歌一个问题，发现有人提了同样问题，但下面只有一个回答，而且2003年以后就再也没有新的答案的时候，我真是和那个提问者同病相怜!弱小，可怜又无助!

“你是谁!你在哪儿!最后你发现了啥!”

就个人而言，我发现自己也是多次从类似的技术问答中找代码(见上文插图漫画);而不是花时间学习和巩固概念，以便下次可以自己把代码写出来。

网上搜索答案是一种懒惰的行为，虽然在短期内它可能是最简便的途径，但它终究不利于你的成长，并且会降低工作效率和对语法的熟知能力(咳咳，面试的时候这些知识很重要)。

目标

最近，我一直在Udemy学习名为Python for Data Science and Machine Learning的数据科学在线课程。在该系列课程的早期课件中，我想起了用Python做数据分析时一直被我忽略的一些概念和语法。

为了一劳永逸地巩固我对这些概念的理解，并为大家免去一些StackOverflow的搜索，我在文章中整理了自己在使用Python，NumPy和Pandas时总是忘记的东西。

我为每个要点提供了简短的描述和示例。为了给读者带来福利，我还添加了视频和其他资源的链接，以便大家更深入地了解各个概念。

单行List Comprehension

每次需要定义某种列表时都要写for循环是很乏味的，好在Python有一种内置的方法可以用一行代码解决这个问题。该语法可能有点难以理解，但是一旦熟悉了这种技巧，你就会经常使用它。

* Line 8是对for loop的单行简化

请参阅上图和下文的示例，比较一下在创建列表时，你通常使用的for循环样板和以单行代码创建这二者之间的差别。

x = [1,2,3,4] 

out = [] 

for item in x: 

    out.append(item**2) 

print(out) 

[1, 4, 9, 16] 

# vs. 

x = [1,2,3,4] 

out = [item**2 for item in x] 

print(out) 

[1, 4, 9, 16] 

Lambda 函数

编程的过程中经常为了实现最后的功能，创建一个又一个阶段性的函数，这些函数往往就只用一两次。这个过程很烦人。这时候Lambda函数来搭救你了!

Lambda函数用于在Python中创建小型的，一次性的和匿名的函数对象。基本上，它们可以让你“在不创建新函数的情况下”创建一个函数。

lambda函数的基本语法如下：

lambda arguments: expression 

所以，只要给它一个表达式，lambda函数可以执行所有常规函数可执行的操作。请看下面的简单示例和后文中的视频，以更好地感受lambda函数强大的功能。

double = lambda x: x * 2 

print(double(5)) 

10 

Map和Filter

一旦掌握了lambda函数，并学会将它们与map和filter函数配合使用，你将拥有一个强大的工具。