Python数据挖掘编程基础3

简介: 字典在数学上是一个映射,类似列表但使用自定义键而非数字索引,键在整个字典中必须唯一。可以通过直接赋值、`dict`函数或`dict.fromkeys`创建字典,并通过键访问元素。集合是一种不重复且无序的数据结构,可通过花括号或`set`函数创建,支持并集、交集、差集和对称差集等运算。

<2>字典
a.在数学上,字典实际上是一个映射。与此同时,字典也相当于一个列表,然而其下标不再是以0开头的数字,而是自己定义的键(Key)。
b.创建一个字典的基本方法如下:
a={'Junuary':1,'February':2}
其中,"January""February"就是字典的键,在整个字典中必须是唯一的,而"1""2"就是键对应的值。访问字典中的元素的方法也很直观,如代码清单2-5所示。
代码清单2-5 访问字典中的元素
a['January']//该值为1
a['February']//该值为2
c.还有其他一些比较方便的方法可以创建一个字典,如通过dict函数创建,或通过dict.fromkeys创建,如代码清单2-6所示。
代码清单2-6 通过dict或dict.fromkeys创建字典
dict([['January',1],['February',2]])//相当于{'January':1,'February':2}
dict.fromkeys(['January':1,'February':1}
字典的函数和方法很多,大部分与列表是一样的,此处不再赘述。

<3>集合
a.Python内置了集合这一数据结构,它的概念与数学上集合的概念基本一致。集合的元素是不重复的,而且是无序的。集合不支持索引。一般通过花括号({})或set函数创建一个集合,如代码清单2-7所示。
代码清单2-7 创建集合
k={1,1,2,3,3}//注意1和3会自动去重,得到{1,2,3}
k=set([1,1,2,3,3])//同样地,将列表转换为集合,得到{1,2,3}
b.由于集合的特殊性(特别是无序性),所以集合会有一些特别的运算,如代码清单2-8所示。
代码清单2-8 特别的集合运算
f={1,2,3,4}
g={1,2,3,5,6}
a=f|g//f和g的并集
b=f&g//f和g的交集
c=f-g//求差集(项在f中,但不在g中)
d=f^g//对称差集(项在f或g中,但不会同时出现在二者中)

目录
相关文章
|
1天前
|
算法 Python
Python编程的函数—内置函数
Python编程的函数—内置函数
|
1天前
|
存储 索引 Python
Python编程的常用数据结构—列表
Python编程的常用数据结构—列表
|
1天前
|
数据挖掘 Python
Python数据挖掘编程基础8
在Python中,默认环境下并不会加载所有功能,需要手动导入库以增强功能。Python内置了诸多强大库,例如`math`库可用于复杂数学运算。导入库不仅限于`import 库名`,还可以通过别名简化调用,如`import math as m`;也可指定导入库中的特定函数,如`from math import exp as e`;甚至直接导入库中所有函数`from math import *`。但需注意,后者可能引发命名冲突。读者可通过`help(&#39;modules&#39;)`查看已安装模块。
6 0
|
1天前
|
人工智能 数据挖掘 Serverless
Python数据挖掘编程基础
函数式编程中的`reduce`函数用于对可迭代对象中的元素进行累积计算,不同于逐一遍历的`map`函数。例如,在Python3中,计算n的阶乘可以使用`reduce`(需从`funtools`库导入)实现,也可用循环命令完成。另一方面,`filter`函数则像一个过滤器,用于筛选列表中符合条件的元素,同样地功能也可以通过列表解析来实现。使用这些函数不仅使代码更加简洁,而且由于其内部循环机制,执行效率通常高于普通的`for`或`while`循环。
5 0
|
1天前
|
分布式计算 数据挖掘 Serverless
Python数据挖掘编程基础6
函数式编程(Functional Programming)是一种编程范型,它将计算机运算视为数学函数计算,避免程序状态及易变对象的影响。在Python中,函数式编程主要通过`lambda`、`map`、`reduce`、`filter`等函数实现。例如,对于列表`a=[5,6,7]`,可通过列表解析`b=[i+3 for i in a]`或`map`函数`b=map(lambda x:x+3, a)`实现元素加3的操作,两者输出均为`[8,9,10]`。尽管列表解析代码简洁,但其本质仍是for循环,在Python中效率较低;而`map`函数不仅功能相同,且执行效率更高。
5 0
|
1天前
|
数据挖掘 Python
Python数据挖掘编程基础5
函数是Python中用于提高代码效率和减少冗余的基本数据结构,通过封装程序逻辑实现结构化编程。用户可通过自定义或函数式编程方式设计函数。在Python中,使用`def`关键字定义函数,如`def pea(x): return x+1`,且其返回值形式多样,可为列表或多个值。此外,Python还支持使用`lambda`定义简洁的行内函数,例如`c=lambda x:x+1`。
7 0
|
2月前
|
数据采集 数据挖掘 数据处理
Python数据分析:Numpy、Pandas高级
在上一篇博文中,我们介绍了Python数据分析中NumPy和Pandas的基础知识。本文将深入探讨NumPy和Pandas的高级功能,并通过一个综合详细的例子展示这些高级功能的应用。
|
2月前
|
数据采集 数据挖掘 数据处理
Python数据分析:Numpy、Pandas基础
本文详细介绍了 Python 中两个重要的数据分析库 NumPy 和 Pandas 的基础知识,并通过一个综合的示例展示了如何使用这些库进行数据处理和分析。希望通过本篇博文,能更好地理解和掌握 NumPy 和 Pandas 的基本用法,为后续的数据分析工作打下坚实的基础。
|
2月前
|
SQL 数据可视化 数据挖掘
一文带你看懂Python数据分析利器——Pandas的前世今生
一文带你看懂Python数据分析利器——Pandas的前世今生
|
2月前
|
数据采集 数据挖掘 数据处理
解锁Python数据分析新技能!Pandas实战学习,让你的数据处理能力瞬间飙升!
【8月更文挑战第22天】Python中的Pandas库简化了数据分析工作。本文通过分析一个金融公司的投资数据文件“investment_data.csv”,介绍了Pandas的基础及高级功能。首先读取并检查数据,包括显示前几行、列名、形状和数据类型。随后进行数据清洗,移除缺失值与重复项。接着转换日期格式,并计算投资收益。最后通过分组计算平均投资回报率,展示了Pandas在数据处理与分析中的强大能力。
36 0

热门文章

最新文章

下一篇
无影云桌面