Joyful Pandas习题

链接：https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch1.html

一 、Python基础

1.列表推导式与条件赋值

（1）列表推导式语法[* for i in *]。其中第一个*为映射函数，输入为i，第二个*表示迭代对象。
（2）列表表达式还可支持多层嵌套。
（3）实用的语法糖条件赋值，形式为value = a if condition else b。

L = [i*2 for i in range(7)]    #列表生成表达式
[i if i<=5 else 5 for i in L]  #条件赋值

2.匿名函数与map方法

（1）匿名函数无需多处调用的场合实用，不关心函数名，只关心映射关系。
（2）map函数实现列表推导式的匿名函数映射。通过list将其返回值转为列表。

[(lambda x:2*x)(i) for i in range(5)]
list(map(lambda x:2*x, range(5)))

3.zip对象与enumerate方法

（1）zip函数能够把多个可迭代对象打包成一个元组构成的可迭代对象，往往在循环迭代时使用。
（2）enumerate是一种特殊的打包，在迭代时绑定迭代元素的遍历序号。用zip对象也能简单地实现这个功能。
（3）两个列表建立字典映射，可以利用zip对象。
（4）*zip解压缩。

L1,L2,L3 = list('abc'),list('def'),list('hij')
list(zip(L1,L2,L3))
tuple(zip(zip(L1,L2,L3)))
for i,j,k in zip(L1,L2,L3):
    print(i,j,k)

L = list('abcd')
for index, value in enumerate(L):
    print(index, value)

二 、Numpy基础

1.np数组的构造

（1）np.array
（2）等差序列： np.linspace， np.arange
（3）特殊矩阵：zeros，eye，full
（4）随机矩阵：np.ramdom，包括 rand，randn，randint，choice

2.np数组的变形与合并

np.zeros((2,3)).T
np.r_[np.zeros((2,3)), np.zeros((2,3))]
np.c_[np.array([0,0]), np.zeros((2,3))]
target = np.arange(8).reshape(2,4)
np.ones((3,1)).reshape(-1)

3.np数组的切片与索引

（1）数组的切片模式支持使用slice类型的start：end：step切片，还可以直接传入列表的某个维度的索引进行切片。
（2）np.ix_对应维度上使用布尔索引。

np.arange(9).reshape(3,3)[:-1,[0,2]]
np.arange(9).reshape(3,3)[np.ix_([True,False,True],[True,False,True])]

4.常用函数

（1）where
（2）nonzero，argmax，argmin
（3）any，all
（4）cumprod，cumsum，diff
（5）统计函数：max，min，mean，std，var，sum，quantile，cov，corrcoef

5.广播机制

（1）标量和数组的操作
（2）二维数组之间的操作
（3）一维数组与二维数组的操作

res = 3*np.ones((2,3)) + 1
1 / res 
np.ones((3,2)) * np.array([[2,3]])
np.ones(3) + np.ones((2,3))

6.向量与矩阵的计算

（1）向量内积： dot
（2）向量范数和矩阵范数： np.linalg.norm
（3）矩阵乘法：@

三、练习

Ex1：利用列表推导式写矩阵乘法

Ex2：更新矩阵

Ex3：卡方统计量

Ex4：改进矩阵计算的性能

Ex5：连续整数的最大长度