Python 中關(guān)于filter函數(shù)問題求教

看文字的話會很亂，和圖一起看會好一點

創(chuàng)新互聯(lián)建站專注于西鄉(xiāng)塘企業(yè)網(wǎng)站建設(shè),響應(yīng)式網(wǎng)站開發(fā),商城網(wǎng)站開發(fā)。西鄉(xiāng)塘網(wǎng)站建設(shè)公司,為西鄉(xiāng)塘等地區(qū)提供建站服務(wù)。全流程按需求定制設(shè)計，專業(yè)設(shè)計，全程項目跟蹤，創(chuàng)新互聯(lián)建站專業(yè)和態(tài)度為您提供的服務(wù)

首先，it是個生成器(_odd_iter)，并使n=3，隨后，it作為一個生成器存在于filter對象中(迭代器)，并使it為一個filter對象，經(jīng)過循環(huán)，到達(dá)next語句，先計算it _odd_iter(生成器)，生成了新的數(shù)之后，開始計算filter。第一次循環(huán)的時候第18行的代碼相當(dāng)于 it = filter(_not_divisible(3), it )，等號右面的it還在等待next調(diào)用生成值，生成值之后，就將它代入為lambda的x中……第二次循環(huán)的時候第18行代碼變成 it = filter(_not_divisible(5), filter(_not_divisible(3), it ) )，同樣等號右面的it仍然在等待next調(diào)用生成新的值

我剛看這個教程，不知道對不對。。。

對了我看見有一個人問把代碼第18行改成 it = filter(lambda x: x % n 0, it)

會失去過濾功能，我覺得，lambda是一個臨時函數(shù)，所以覺得像filter(div(5), filter(div(3), it))這種存在多個lambda臨時函數(shù)的話是很奇怪的，

在調(diào)試時，發(fā)現(xiàn)filter只檢測了一個n(最近被賦值的)，相當(dāng)于7%5，9%7這樣，因此失去過濾素數(shù)功能。模擬一下，在將要輸出5的時候，it = filter()的那行代碼變?yōu)椋?/p>

it = filter(lambda x : x % n 0 , filter (lambda x : x % n 0 , it ) )，it將值賦給x，但是，我覺得n被賦值時，會刷新其他lambda中的n，造成類似于 it =?filter(lambda x : x % 5 0 , filter (lambda x : x % 5 0 , it ) )的情況

Python數(shù)據(jù)處理：篩選、統(tǒng)計、連表、拼接、拆分、缺失值處理

file1_path ='E:/Users/lenovo/Desktop/中視/622召回.csv' # 源數(shù)據(jù)

格式：file1=pd.read_csv(file1_path)

pd.read_csv(file1_path,encoding='gbk')

pd.read_csv(file1_path,encoding='gbk',skiprows=[2,3])

pd.read_csv(file1_path,encoding='gbk',skiprows=lambda x:x%2==1)

pd.read_csv(file1_path,encoding='gbk',keep_default_na=False)

new=pd.DataFrame()

new.new[[0,1,2]]

new.new[0:2]

查詢結(jié)果同上

new.loc[new['激活數(shù)']1000]

loc和iloc的區(qū)別：

loc：純標(biāo)簽篩選

iloc：純數(shù)字篩選

#篩選出new的某兩列

new=new.loc[:,['phone','收件人姓名']]

#篩選new的第0，1列

new.iloc[:,[0,1]]

使用‘==’篩選-篩查“崔旭”的人（只能篩查指定明確的）

#new=file1.loc[(file1['收件人姓名']=='崔旭')|(file1['收件人姓名']=='崔霞')]

#print(new)

#使用loc函數(shù)篩選-str.contains函數(shù)-篩查名字中包含'亮'和'海'的人

#new=file1.loc[file1['收件人姓名'].str.contains('亮|海')]

#print(new)

#使用loc函數(shù)篩選-str.contains函數(shù)-篩查'崔'姓的人

#new=file1.loc[file1['收件人姓名'].str.startswitch('崔')]

#print(new)

df = df[(df['DEPOSIT_PAY_TIME_x'] .notnull() ) (df['DEPOSIT_PAY_TIME_x'] != "" )]

print("during_time(number)=0的個數(shù)：",newdata[newdata['during_time(number)'] ==0].count()['during_time(number)'])

print("during_time(number)=1,2,3的個數(shù)：",newdata[(newdata['during_time(number)'] 0) (newdata['during_time(number)'] 4)].count()['during_time(number)'])

print(newdata[newdata['during_time(number)'] ==0])

newdata[newdata['Team']. isin (['England','Italy','Russia'])][['Team','Shooting Accuracy']]

df.年齡.value_counts()

1.修改指定位置數(shù)據(jù)的值（修改第0行，’創(chuàng)建訂單數(shù)‘列的值為3836）

new.loc[0,'創(chuàng)建訂單數(shù)']=3836

2.替換‘小明’-‘xiaoming’

df.replace({'name':{'小明':'xiaoming'}})

3.批量替換某一列的值（把‘性別’列里的男-male，女-felmale）

方法一：df['性別']=df['性別'].map({'男':'male','女':'female'})

方法二：df['性別'].replace('female','女',inplace=True)

? ? ? ? ? ?或df['性別']=df['性別'].replace('female','女')? ? ? ? ? ? ? ? 這就是inplace的作用

? ? ? ? ? ? +df['性別'].replace('male','男',inplace=True)

4.替換列索引

df.columns=['sex','name','height','age']

或者：df.rename(columns={'性別':'sex','姓名':'name','身高':'height','年齡':'age'})

5.刪除某一列

del df['player']

6. 刪除某一列（方法二），刪除某一行（默認(rèn)axis=0刪除行，為1則刪除列）

刪除某一列（方法二）

df.drop('性別',axis=1)

刪除某一行

df.drop(1,axis=0)

file1=pd.read_csv(file1_path)

file2=pd.read_csv(file2_path)

new1=pd.DataFrame()

new1['phone']=file1['phone']

new1['contact_time']=file1['contact_time']

new2=pd.DataFrame()

new2['phone']=file2['phone']

new2['submission_audit_time']=file2['提交審核時間']

newdata=pd.merge(new1,new2,on='phone',how='left')

df=pd.concat([df1,df2],axis=0)

4.2.2 橫向表連接

df=pd.concat([df1,df2],axis=1)

df1['地區(qū)'].str.split('·',3,expand=True)

df1:

df1[['城市', '城區(qū)','地址']] = df1['地區(qū)'].str.split('·', 3, expand = True)

5.1 缺失值刪除

data.dropna(axis=0,subset = ["Age", "Sex"]) ? # 丟棄‘Age’和‘Sex’這兩列中有缺失值的行

data.dropna(how = 'all') ? ?# 傳入這個參數(shù)后將只丟棄全為缺失值的那些行

data.dropna(axis = 1) ? ? ? # 丟棄有缺失值的列（一般不會這么做，這樣會刪掉一個特征）

data.dropna(axis=1,how="all") ? # 丟棄全為缺失值的那些列

5.2 缺失值填充：pandas.DataFrame.fillna()函數(shù)

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

功能：使用指定方法填充NA/NaN值

其中inplace=True就是直接在原有基礎(chǔ)上填滿

5.3 缺失值查詢：

缺失值數(shù)量查詢：df.isnull().sum()

缺失值行查詢：df[df.isnull().T.any()]

newdata['during_time']=pd.to_datetime(newdata['submission_audit_time'])-pd.to_datetime(newdata['contact_time'])

newdata['during_time(number)']=(pd.to_datetime(newdata['submission_audit_time'])-pd.to_datetime(newdata['contact_time'])).apply(lambda x: x.days)

new=pd.DataFrame()

new=newdata[newdata['during_time(number)'] ==0]

new.to_csv(save_path,encoding='utf-8-sig')

將數(shù)據(jù)按行拆分并存儲到不同的csv文件中：

path='C:/Users/EDZ/Desktop/工作/2021.08.19/'

for i in range(0,30):

df.loc[[i]].to_csv(path+str(i)+'.csv',encoding='gbk')

df = df[['購藥日期', '星期','社保卡號','商品編碼', '商品名稱', '銷售數(shù)量', '應(yīng)收金額', '實收金額' ]]

python中的filter函數(shù)怎么用

python filter內(nèi)建函數(shù)

filter函數(shù)是python內(nèi)建函數(shù)，可以操作任何可迭代類型，如list,tuple,string.

filter需要帶上一個函數(shù)function和一個可迭代序列作為參數(shù)。filter()將調(diào)用該function作用于每一個可迭代序列的元素，并返回一個由該function驗證后返回值為true的元素組成新的可迭代序列，新序列的類型保持與filter參數(shù)序列的類型一致

2.filter與數(shù)字

下面用這個例子來說明：

#建個數(shù)字列表

numbers?=?[1,5,9,8,4,6,3,7]

#定義一個過濾標(biāo)準(zhǔn)，取小于5的數(shù)

def?lessThanFive(element):

return?element??5

print?filter(lessThanFive,?numbers)

輸出結(jié)果是列表：[1,4,3]

解說：此處的過濾函數(shù)lessThanFive必需帶入一個參數(shù)（filter()會調(diào)用lessThanFive，參數(shù)是列表nembers中的每一個元素，一次一個）。filter()返回所有值都是小于5的列表

3.filter與字符串

下面用如下例子說明：

#定義元組類型

names?=?('Jack',?'Jill,?'Steve',?'')

#篩選出名字

new_names?=?filter(None,?names)

print?new_names

輸出結(jié)果是元組：

('Jack',?'Jill,?'Steve'）

在元組names最后一個名字是空字符串,而filter的第一個參數(shù)是None,這說明需要使用identity函數(shù)(該函數(shù)是簡單的返回該元素的）

因為python對空字符串，0和None作為False,所以上面的filter的語句就是移除空元素。

4.filter和函數(shù)

目的：找出以J開頭的名字

def?startsWithJ(element):

if?element:

return?element[0]?==?'J'

return?False

j_names?=?filter(startsWithJ,?names)

print?j_names

輸出結(jié)果是元組：（'Jack',?'Jill')

注意到了嗎，上面的2個結(jié)果都是tuple而不是list，再一次說明fliter的返回值類型與參數(shù)序列的類型保持一致

python 中用filter求素數(shù)的時候，這里的篩選函數(shù)是什么意思

首先定義一個函數(shù)判斷是否為素數(shù)，如果這個數(shù)能被2~它的平方根中的任一數(shù)整除的話它就不是素數(shù)，否則就是素數(shù)。用flag為0或1標(biāo)記，利用filter()篩掉flag為0的非素數(shù)。

#!/usr/bin/env?python

#coding:utf-8

import?math

def?filter_prime(n):????#定義filter_prime函數(shù)

flag?=?1????#設(shè)置flag,初始化為1

for?i?in?range(2,?int(math.sqrt(n)+1)):?????#取2至平方根的數(shù)

if?n%i?==?0:????#判斷是否是素數(shù)

flag?=?0?????#如果不是，flag設(shè)為0

if?flag?==?1:????????#退出循環(huán)后判斷flag，若為1（素數(shù)），則返回

return?n

print?filter(filter_prime,?range(1,101))????#filter?1-100里的非素數(shù)

分享題目：python有篩選函數(shù)嗎,如何用python篩選數(shù)據(jù)
網(wǎng)站URL：http://chinadenli.net/article8/heesop.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供移動網(wǎng)站建設(shè)、響應(yīng)式網(wǎng)站、企業(yè)網(wǎng)站制作、品牌網(wǎng)站制作、Google、外貿(mào)建站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)