Python Real World Data Science [Digest 7]

此系列更新《Python Real World Data Science》的阅读摘记，每周六更新。

全书介绍Python在数据科学领域中的应用，分为四模块：

• Python 基础
• 数据分析
• 数据挖掘
• 机器学习

本文为系列第七篇，介绍python基础。

Chapter 7 Python Data Structures

仅当需要指定数据和行为二者时，才考虑使用类和对象

1 Tuples

• 存储有序定长的对象序列，无法修改

• 创建

  • 逗号分隔 stock = "FB", 75.00, 75.03, 74.90
  • 括号stock2 = ("FB", 75.00, 75.03, 74.90)

• Unpack

  • symbol, current, high, low = stock
  • 打包存储传递，解包使用

• Slicing

  • stock[1:2]

• 缺点：元组成员访问使用数字进行索引，容易不知所云，代码可读性差

2 Named tuples

• 命名元组，存储有序定长的对象序列,每个成员具有名字
• 创建

  •   from collections import namedtuple
      # Stock命名元组，包含4个成员，symbol、current、high、low
      Stock = namedtuple("Stock", "symbol current high low") 
      stock = Stock("FB", 75.00, high=75.03, low=74.90)
    

• 访问stock.high

3 Dictionaries

存储对象之间的映射关系（map），快速查找某个值

创建

• dict(), {}

           stocks = {"GOOG": (613.30, 625.86, 610.50), "MSFT": (30.25, 30.70, 30.19)}`

Index

• stocks["GOOG"]

     print(stocks.get("RIM"))
     None
     stocks.get("RIM", "NOT FOUND")
     'NOT FOUND`

• setdefault()如果不存在该键值则创建并设为默认值，存在则返回相应的value
• keys(), values(), items()
• 许多类型都可作为key，但是list不行（列表会改变，无法哈希）

4 defaultdict

创建字典，每次插入键值对时都需要检测键是否存在，如果不存在则由某个函数构造一个默认值

5 Counter

from collections import Counter

responses = [
    "vanilla",
    "chocolate",
    "vanilla",
    "vanilla",
    "caramel",
    "strawberry",
    "vanilla"
]

print(
    "The children voted for {} ice cream".format(
        Counter(responses).most_common(1)[0][0]
    )
)

6 List

列表是Python使用者的瑞士军刀，它通常用来表示按某种顺序存储一系列相同类型的对象。

列表的一些常用方法包括

• 在列表末尾添加元素append
• 在列表中某个位置插入元素insert
• 计数某个元素出现的频次count
• 找到某个元素在列表中的位置index,find
• 逆转列表reverse
• 排序sort，对于列表中的对象依据其定义的__lt__方法排序，如下例子

from functools import total_ordering

@total_ordering
class WeirdSortee:
    def __init__(self, string, number, sort_num):
        self.string = string
        self.number = number
        self.sort_num = sort_num

    def __lt__(self, object):
        if self.sort_num:
            return self.number < object.number
        return self.string < object.string

    def __repr__(self):
        return"{}:{}".format(self.string, self.number)

    def __eq__(self, object):
        return all((
            self.string == object.string,
            self.number == object.number,
            self.sort_num == object.number
        ))

除了依照上述方案实现__lt__方法，更为常用的方式是指定sort函数的key参数

>>> from operator import itemgetter
>>> l = [('h', 4), ('n', 6), ('o', 5), ('p', 1), ('t', 3), ('y', 2)]
>>> l.sort(key=itemgetter(1))
>>> l
[('p', 1), ('y', 2), ('t', 3), ('h', 4), ('o', 5), ('n', 6)]

除了itemgetter,attrgetter 和methodcaller也是常用的key

7 Sets

表示一组unique的元素， 区分集合内外的世界，集合的元素不支持排序,通常可用于去重

创建

• set(),{value1, value2}
  运算
• 检索in
• 并集union
• 交集intersection
• 对称差symmetric_difference在其中任一个集合，但是不同时在两个集合
• 差集difference
• 是否子集issubset
• 是否父集issuperset

8 Extending built-ins

继承并改写相应的方法

>>> dir(list)

['__add__', '__class__', '__contains__', '__delattr__','__delitem__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort'

9 Queues