每个数据科学家都必须牢记的10个Python函数

照片由Vitaly Gariev在Unsplash拍摄

每次你需要一个Python函数时，都想去Google和ChatGPT求助是很诱人的。然而，不断地在两者之间切换却既耗时又耗精力。根据梅耶尔、埃文斯和鲁宾斯坦教授的研究，每次“任务切换”都可能导致生产力损失高达40%。经历了太多来回切换导致的脑力损耗后，于是，我决定记住这十个Python函数，结果我的编程能力迅速提升。

在这篇文章里，你将了解到提升我编程能力的十个功能。我为每项功能都附上了示例，帮助你更好地理解其中的一些细节。这些示例是基于随机生成的销售数据。

这篇文章受到了Tech with Tim 视频的启发。

print() 函数是Python中一个最基本的工具之一，但也是非常强大的。它允许你显示结果。注意你可以通过改变“sep”参数来玩转输出。

    def 显示销售详情(product, 销售量, 收入):  
        print('商品', product, sep=': ')  
        print('总销售量', 销售量, sep=': ')  
        print('总收益', 收入, sep=': ')  

    显示销售详情('笔记本电脑', 1500, '3000美元')  

    # 输出结果  
    """  
    商品: 笔记本电脑  
    总销售量: 1500  
    总收益: 3000美元

help() 函数在你需要了解某个特定函数或模块是如何工作时非常有帮助。它会提供指定函数或模块的文档说明。

    def calculate_discounted_price(price, discount):   
    """ 计算商品的打折价格。

    price: 商品的原价
    discount: 要应用的折扣百分比
    返回: float
    """

    return price * (1 - discount / 100)   

    # 注释：使用帮助函数的示例   
    help(calculate_discounted_price)  

    # 注释：返回函数的帮助文档字符串

range()函数可以产生一串数字，因此在循环中遍历时非常有用。

def 生成销售日(start_day, end_day):  
    return list(range(start_day, end_day + 1))  

print(生成销售日(1, 7)) # 生成从start_day到end_day的日期  

# 结果  
[1, 2, 3, 4, 5, 6, 7]

map() 函数会把提供的函数应用到输入列表里的每个项目上。

    def apply_discount(prices, discount):  
     return list(map(lambda x: x * (1 - discount / 100), prices))  

    print(apply_discount([100, 200, 300, 400, 500], 10)) # 给予10%的折扣  

    # 输出结果  
    """ [90.0, 180.0, 270.0, 360.0, 450.0] """
    # 这表示打折后的价格列表

filter() 函数会从可迭代的对象中筛选出使函数返回真值的元素。

    def 筛选高销售额(销售额, 阈值):  
     return list(filter(lambda x: x > 阈值, 销售额))  

    print(筛选高销售额([100, 200, 50, 300, 150], 150)) # 过滤销售额超过150的记录  

    # 输出结果为 [200, 300]

sorted() 函数返回一个从可迭代对象中提取项并按升序排序的列表。设置 reverse=True 可以改为降序。

    def sort_sales_data_by_sales(data):  
     return sorted(data, key=lambda x: x['销量'])  
    sales_data = [  
     {'产品': '笔记本电脑', '销量': 150},  
     {'产品': '鼠标', '销量': 300},  
     {'产品': '键盘', '销量': 200},  
    ]  

    print(sort_sales_data_by_sales(sales_data))  

    # 输出结果如下
    """  
    [{'产品': '笔记本电脑', '销量': 150},   
    {'产品': '键盘', '销量': 200},   
    {'产品': '鼠标', '销量': 300}]

（注：枚举过程，具体含义视上下文而定）

enumerate() 函数为每个可迭代对象的元素添加计数器，并返回一个枚举对象。

    def list_products_with_index(products):  
     for index, product in enumerate(products):  
      print(f"{index + 1}. {product}")  

    list_products_with_index(['笔记本电脑', '鼠标', '键盘'])  

    # 输出结果如下  

1. 笔记本电脑  

2. 鼠标  

3. 键盘

zip() 函数返回一个由元组组成的迭代器，其中每个传入的迭代器的第一个元素配对，然后是第二个元素配对，依此类推。

def hé bìng xiāo shòu shù jù(shāng pǐn, xiāo shòu_liàng):  
    return fǎn huí shāng pǐn hé xiāo shòu liàng de hé zǔ biǎo(zip(shāng pǐn, xiāo shòu_liàng))

print(hé bìng xiāo shòu shù jù(['Laptop', 'Mouse', 'Keyboard'], [150, 300, 200]))

# 输出结果为：  
# [('Laptop', 150), ('Mouse', 300), ('Keyboard', 200)]

open() 函数打开文件，返回一个文件对象，该对象允许你从文件中读取或向文件中写入。

    def 写入销售文件(filename, content):  
    """将内容写入文件中"""  
    with open(filename, "w") as file:  
     file.write(content)  

    def 读取销售文件(filename):  
    """仅读取文件内容"""  
    with open(filename, "r") as file:  
     return file.read()  

    def 追加销售到文件(filename, content):  
    """将新内容追加到原有内容后面"""  
    with open(filename, "a") as file:  
     file.write(content)  

    写入销售文件("sales.txt", "商品: 电脑\n销量: 150")  
    print(读取销售文件("sales.txt"))  

    追加销售到文件("sales.txt", "\n商品: 鼠标 (电脑)\n销量: 300")  
    print(读取销售文件("sales.txt"))  

    # 输出  
    """  
    商品: 电脑  
    销量: 150  
    商品: 鼠标 (电脑)  
    销量: 300

sum()函数从左到右对可迭代中的各项加总，并返回总和值。也可以通过设置“start”参数来添加一个起始数。

    def calculate_total_sales(sales):  
     return sum(sales)  # 返回销售总额  

    print(calculate_total_sales([150, 300, 200]))  # 打印计算出的总销售额  

    # 输出结果  
    # 注意：这里的三引号不翻译，保持原样  
    """ 650

• dict.get() — 一个字典方法，用于检索指定键对应的值，如果键未找到则返回默认值。
• requests.get( ) — 向指定的 URL 发送 GET 请求，并返回包含服务器响应数据的 Response 对象。
• response.json()— 解析响应对象的 JSON 内容，并返回 Python 字典。
• json.load() — 读取 JSON 格式的文件并将其内容转换为对应的 Python 字典或列表。
• df.to_csv() — 将 DataFrame 内容导出为 CSV 文件，允许指定文件路径、分隔符等选项。
• join() — 将列表或元组中的元素连接成一个字符串，并在每对元素之间插入指定的分隔符。

记住这十个 Python 函数将增强你处理各种编程任务的能力。掌握这些函数后，你可以避免频繁在 Google 和 ChatGPT 之间来回切换，这不仅节约了大量时间，还避免了生产力损失。将这些函数无缝地融入你的工作流程中，能以闪电般的速度编写数据科学脚本。利用这些工具，你将看到生产力大幅提升。祝你编程愉快，效率倍增！

如果你有任何问题或只是想聊聊天，欢迎通过LinkedIn联系，以进行交流。