1 刪除dataframe中有NAN的
這是使用字典創建DataFrame，key將作為表頭
1.1 刪除表中一行全為NAN的行
1.2 刪除表中含有任何的NAN的行
1.3 刪除表一列全為NAN的列
1.4 刪除表中含有任何的NAN的列
刪除表中某幾列
直接用data.drop
data.drop(['Probability_test', 'Kmin_test', 'Kmax_test', 'action_test'], axis=1, inplace=True)
2 pandas中對列進行上下平移(shift)
通過shift函數里面的值來控制向上還是向下平移, 缺少的值會填充NaN，groupby函數里的參數控制基於什么字段進行shift。
2.1 上移shift(-1)
2.2 下移shift(1)
3. 批量讀取文件夾中所有文件
通過os模塊讀取文件夾的所有文件
得到的a是一個list
對每個文件進行操作
用os.path.abspath()可以獲取絕對路徑
用os.path.join(domain,info)可以獲取文件夾中每個文件的完整路徑（絕對路徑）
https://blog.csdn.net/brucewong0516/article/details/79062340
4. python tile函數
tile函數位於python模塊 numpy.lib.shape_base中，他的功能是重復某個數組。比如tile(A,n)，功能是將數組A重復n次，構成一個新的數組
5.python中**運算符
5.1 矩陣間和np.array間的乘法運算
a和b是兩個matrices，那么a*b，就是矩陣積
numpy里面arrays遵從逐個元素的運算，所以array：d 和e的d∗e運算相當於對應的元素相乘
5.2 **運算符
因為a是個matrix，所以a∗∗2返回的是a∗a，相當於矩陣相乘。而c是array，c∗∗2相當於，c中的元素逐個求平方。
6 min(0)，max(0)的用法
7 分組求平均值（groupby）
依據Kmin，Kmax，Probability，action來計算reward的平均值
8 數據分組和聚合運算
pandas對象中的數據會根據你所提供的一個或多個鍵被拆分為多組，拆分操作是在對象的特定軸上執行的（groupby分組默認是在axis=0上進行分組的），然后將一個函數應用到各個分組並產生一個新值，最后所有這些函數的執行結果會被合並到最終的結果對象中。
8.1 groupby分組
這樣生成了一個groupby對象，實際上還未進行任何計算，可對其調用方法進行計算
下面計算平均值
1.以key1為依據，對data1進行分組
求得平均值
2.可以將列名直接當作分組對象，分組中，數值列會被聚合，非數值列會從結果中排除
原始數據：
可以看到原來數據里面的key2是非數值列，被排除掉了
3.以多列分組求平均值
以key1和key2分組
4.使用groupby的size方法
可以返回一個含有分組大小的series
按key1的值和key2的值分組，並統計個數
原始數據：
首先根據key1，看a有三個，再根據key2排除了a two這個組合，剩下兩個a one
8.2 對分組進行迭代
- groupby對象支持迭代，可以產生一組二元數組（由分組名稱和數據塊構成）
- 對於多重鍵的情況，元組的第一個元素將會是由鍵值組成的元組
- groupby分組默認是在axis=0上進行分組的，通過設置也可以在其他軸上進行分組
8.3 對部分列進行聚合
8.4 數據聚合
對於聚合,一般指的是能夠從數組產生的標量值的數據轉換過程,常見的聚合運算都有相關的統計函數快速實現,當然也可以自定義聚合運算
要使用自己的定義的聚合函數,需將其傳入aggregate或agg方法即可
此處，將自定義的聚合函數傳入agg中
8.5 分組運算和轉換
聚合僅是分組運算的一種，它是數據轉換的一個特例，本節介紹transform和apply方法，他們能夠執行更多其他的分組運算
以下是為一個DataFrame添加一個用於存放各索引組平均值的列，利用了先聚合再合並
用merge合並
實際上可以對DataFrame進行transform方法，對比一下下面兩種的區別，transform會將一個函數應用到各個分組
參考：https://www.cnblogs.com/splended/p/5278078.html
9 統計每個標簽出現的次數
10 生成pandas數據
要生成pandas數據，先將其轉換成字典，再通過pd.DataFrame(dict)方式轉成pandas數據
lenses.txt數據:
11 fit()函數不能接收string類型數據
string數據序列化
可以看到報錯，ValueError:could not convert string to float:'young'
因為在fit()函數不能接收string類型的數據，通過打印的信息可以看到，數據都是string類型的。在使用fit()函數之前，我們需要對數據集進行編碼，這里可以使用兩種方法：
LabelEncoder：將字符串轉換為增量值
OneHotEncoder：使用One-of-K算法將字符串轉換為整數
為了對string類型的數據序列化，需要先生成pandas數據，這樣方便我們的序列化工作。這里我使用的方法是，原始數據->字典->pandas數據
數據序列化（需要導入LabelEncoder）
運行結果：
12 將兩個含有字符串的集合取並集
13 reduce()函數會對參數序列中元素進行累積
函數將一個數據集合（鏈表，元組等）中的所有數據進行下列操作：用傳給 reduce 中的函數 function（有兩個參數）先對集合中的第 1、2 個元素進行操作，得到的結果再與第三個數據用 function 函數運算，最后得到一個結果。
14 拉普拉斯平滑和下溢出
利用貝葉斯分類器對文檔進行分類時，要計算多個概率的乘積以獲得文檔屬於某個類別的概率，即計算p(w0|1)p(w1|1)p(w2|1)。如果其中有一個概率值為0，那么最后的成績也為0。
從上圖可以看出，在計算的時候已經出現了概率為0的情況。如果新實例文本，包含這種概率為0的分詞，那么最終的文本屬於某個類別的概率也就是0了。顯然，這樣是不合理的，為了降低這種影響，可以將所有詞的出現數初始化為1，並將分母初始化為2。這種做法就叫做拉普拉斯平滑(Laplace Smoothing)又被稱為加1平滑，是比較常用的平滑方法，它就是為了解決0概率問題。
除此之外，另外一個遇到的問題就是下溢出，這是由於太多很小的數相乘造成的。學過數學的人都知道，兩個小數相乘，越乘越小，這樣就造成了下溢出。在程序中，在相應小數位置進行四舍五入，計算結果可能就變成0了。為了解決這個問題，對乘積結果取自然對數。通過求對數可以避免下溢出或者浮點數舍入導致的錯誤。同時，采用自然對數進行處理不會有任何損失。下圖給出函數f(x)和ln(f(x))的曲線。
沒有進行拉普拉斯平滑和下溢出操作之前
進行了拉普拉斯平滑和取對數防止下溢出操作后的
15 從txt文件中讀取字符串，並將字符串轉換為字符列表
正則表達式中，+代表重復1次至多次,*表示重復0次到多次 所以在切分的時候，如果正則表達是為r'\W*',那就會見到非數字字母 零次或者多次就會切分 比如['ab cd ede?']切分后就是['a','b',' ','c','d',' ',' ','e','d',e','?'] 再加上后面的的語句return [ i for i in list if len(i)>2]，因為每個字符串的長度都小於2，自然返回空集 把正則表達式改為r‘\W+’就好啦
切分之后的
16 文本向量化
生成的returnVec長度與vocabList長度相同，遍歷inputSet中的單詞，並查找是否在詞匯列表vocabList出現，出現的把該位置置為1，未出現的就是之前初始化0
17 從50個郵件中隨機選出40個作為訓練集，10個作為測試集
18 sorted排序
當待排序列表的元素由多字段構成時，我們可以通過sorted(iterable，key，reverse)的參數key來制定我們根據哪個字段對列表元素進行排序。
key=lambda 元素: 元素[字段索引]
例如：想對元素第二個字段排序，則
key=lambda y: y[1] 備注：這里y可以是任意字母，等同key=lambda x: x[1]
對字典進行排序
根據鍵的值進行倒序排序
首先運用items()獲取字典的鍵值tuple列表，通過key來設定根據哪個字段進行排序
總之，排序，是要對列表排序，如果是對字典排序，需要將字典轉換成鍵值對tuple列表的形式之后，再進行排序。
19 壓縮與解壓縮
注意要將數據打亂
20 if not
if not 就是一個判斷語句，not 表示 非，
寫成這個樣子可能就理解了：
if not cond:
do_something()
意思就是如果 cond 為 “假值” （False，None，"" 等）時，執行分支里的語句。如果學過別的語言，比如 C\C++ 等，上面的語句等價於：
if !cond {
do_something();
}
使用if not x這種寫法的前提是：必須清楚x等於None, False, 空字符串"", 0, 空列表[], 空字典{}, 空元組()時對你的判斷沒有影響才行。
在python中 None, False, 空字符串"", 0, 空列表[], 空字典{}, 空元組()都相當於False。
21 Numpy的矩陣索引和array數組索引
矩陣索引使用[i,j]方式，數組索引使用[i][j]
22 getA()函數的作用
getA()函數與mat()函數的功能相反，是將一個numpy矩陣轉換為數組
23 梯度上升算法原理解析
m為行數，代表有多少個樣本；n為列數，代表有多少個特征。
n決定了weights的個數
24 Numpy中np.append()
numpy.append(arr, values, axis=None)
意思就是，將arr和values會重新組合成新的數組，作為返回值。axis是一個可選的值。
25 np.c_[xx.ravel(), y.ravel()]
np.c_[]，組成矩陣（xx,yy對應位置配對）
xx.ravel()拉直，降低xx的維度，變成一行n列
26 np.vstack(x).reshape(-1,2)和np.squeeze(Y_c)
26.1 np.vstack(x)按照行順序把數組垂直地堆疊起來
reshape(-1,2)n行2列（用-1表示n行）
26.2 np.squeeze(Y_c)
將向量數組轉換為秩為1的數組
27 tf.reduce_mean(x, axis)
表示求取矩陣或張量指定維度的平均值。若不指定第二個參數，則在所有元素中取平均值；若指定第二個參數為0， 則在第一維元素上取平均值，即每一列求平均值；若指定第二個參數為1，則在第二維元素上取平均值，即每一行求平均值。
28 os.path.join()
表示把參數字符串按照路徑命名規則拼接
29 np.sign
就是大於0的返回1.0
小於0的返回-1.0
等於0的返回0.0
30 Python中flatten, matrix.A用法
flatten的作用:返回一個折疊成一維的數組。
但是該函數只能適用於numpy對象，即array或者mat
你的xMat折疊成一維數組，而且是按A的方式，進行折疊，然后[0]是取第一個元素
a是個矩陣或者數組，a.flatten()就是把a降到一維，默認是按橫的方向降
此時的a是個矩陣，降維后還是個矩陣，矩陣.A（等效於矩陣.getA()）變成了數組，A[0]就是數組里的第一個元素
31 加載文本中數據的方法
當從文本中讀取一行數據時候，數據的形式是這樣的
這樣的數據格式不符合要求，可以使用map方法
使用map方法
得到的數據形式：
32 Python中的size, shape, len, count
33 Python中列表，numpy中數組和矩陣的區別
Python中沒有數組，只有元組和列表。
Python列表與numpy數組的區別
矩陣
數組
矩陣
數組
34 np.nonzero
np.nonzero(a)函數的作用：
將對矩陣a的所有非零元素， 分別安裝兩個維度， 一次返回其在各維度上的目錄值。
因為矩陣只有一個非0值，在第0行，第0列
因為矩陣a只有兩個非零值， 在第0行、第0列，和第1行、第0列。所以結果元組中，第一個行維度數據為（0,1） 元組第二個列維度都為（0,0）。
35 矩陣轉為數組.A
36 將數組或矩陣轉換成列表tolist()
37 Numpy在reshape函數中使用-1
Numpy 允許我們根據給定的新形狀重塑矩陣，新形狀應該和原形狀兼容。有意思的是，我們可以將新形狀中的一個參數賦值為-1。這僅僅表明它是一個未知的維度，我們希望 Numpy 來算出這個未知的維度應該是多少：Numpy 將通過查看數組的長度和剩余維度來確保它滿足上述標准。讓我們來看以下例子：
總而言之，當試圖對一個張量進行 reshape 操作時，新的形狀必須包含與舊的形狀相同數量的元素，這意味着兩個形狀的維度乘積必須相等。當使用 -1 參數時，與-1 相對應的維數將是原始數組的維數除以新形狀中已給出維數的乘積，以便維持相同數量的元素。
38 Numpy的argpartion函數：找到N個最大值的索引並返回N個值
Numpy 的 argpartion 函數可以高效地找到 N 個最大值的索引並返回 N 個值。在給出索引后，我們可以根據需要進行值排序。
39 Numpy中setdiff1d函數找到僅在A數組中有而B數組沒有的元素
我們可以使用 Numpy extract () 函數從數組中提取符合條件的特定元素。
例子：模3
41 Numpy中clip函數是數組中的值保持在一定區間內
在很多數據處理和算法中（比如強化學習中的 PPO），我們需要使得所有的值保持在一個上下限區間內。Numpy 內置的 Clip 函數可以解決這個問題。Numpy clip () 函數用於對數組中的值進行限制。給定一個區間范圍，區間范圍外的值將被截斷到區間的邊界上。例如，如果指定的區間是 [-1,1]，小於-1 的值將變為-1，而大於 1 的值將變為 1。
示例1：限制數組中的最小值為 2，最大值為 6
示例2：限制數組中的最小值為2，最大值為5
42 數組切片[:5:-1]的含義
a[2:7:2]表示從索引2開始到索引7停止，間隔為2
a[:5:-1]，-1反轉
冒號 : 的解釋：如果只放置一個參數，如 [2]，將返回與該索引相對應的單個元素。如果為 [2:]，表示從該索引開始以后的所有項都將被提取。如果使用了兩個參數，如 [2:7]，那么則提取兩個索引(不包括停止索引)之間的項。
43 time模塊，計算當前時間和時間差
43.1 計算當前時間戳
https://blog.csdn.net/liuweiyuxiang/article/details/71075306
43.2 計算時間差
往前推5分鍾
可以5*60=360s，計算時間戳的時候，再*1000轉成毫秒級的
44 Numpy中用布爾值來替換值
Numpy可以運用布爾值來替換值
在數組中
在矩陣中
可以看到替換有個很有用的地方，就是可以替換那些空值
如，我們現在讀取一個字符矩陣，其中有一個控制，其中的控制我們很有必要把它替換成其他值，可以用數據的平均值或者直接把它刪除。
例：將空值替換成“0”的操作
45 Groupby詳解
在日常的數據分析中，經常需要將數據根據某個（多個）字段划分為不同的群體（group）進行分析，如電商領域將全國的總銷售額根據省份進行划分，分析各省銷售額的變化情況，社交領域將用戶根據畫像（性別、年齡）進行細分，研究用戶的使用情況和偏好等。在Pandas中，上述的數據處理操作主要運用groupby完成，這篇文章就介紹一下groupby的基本原理及對應的agg、transform和apply操作。
為了后續圖解的方便，采用模擬生成的10個樣本數據，代碼和數據如下：
45.1 Groupby的基本原理
在Pandas中，實現分組操作的代碼很簡單，僅需一行代碼，在這里，將上面的數據集按照company字段進行划分：
將上述代碼輸入ipython后，會得到一個DataFrameGroupBy對象
那這個生成的DataFrameGroupBy是啥呢？對data進行了groupby后發生了什么？ipython所返回的結果是其內存地址，並不利於直觀地理解，為了看看group內部究竟是什么，這里把group轉換成list的形式來看一看：
轉換成列表的形式后，可以看到，列表由三個元組組成，每個元組中，第一個元素是組別（這里是按照company進行分組，所以最后分為了A,B,C），第二個元素的是對應組別下的DataFrame，整個過程可以圖解如下：
總結來說，groupby的過程就是將原有的DataFrame按照groupby的字段（這里是company），划分為若干個分組DataFrame，被分為多少個組就有多少個分組DataFrame。所以說，在groupby之后的一系列操作（如agg、apply等），均是基於分組DataFrame的操作。理解了這點，也就基本摸清了Pandas中groupby操作的主要原理。下面來講講groupby之后的常見操作。
45.2 agg分組聚合
聚合操作是groupby后常見的操作，會寫SQL的朋友對此應該是非常熟悉了。聚合操作可以用來求和、均值、最大值、最小值等，下面的表格列出了Pandas中常見的聚合操作。
針對樣例數據集，如果我想計算不同公司員工的平均年齡和平均薪水，可以按照下方的代碼進行：
如果想對針對不同的列求不同的值，比如要計算不同公司員工的平均年齡以及薪水的中位數，可以利用字典指定進行聚合操作：
45.3 transform
transform是一種什么數據操作？和agg有什么區別呢？為了更好地理解transform和agg的不同，下面從實際的應用場景出發進行對比。
在上面的agg中，我們學會了如何求不同公司員工的平均薪水，如果現在需要在原數據集中新增一列avg_salary，代表員工所在的公司的平均薪水（相同公司的員工具有一樣的平均薪水），該怎么實現呢？如果按照正常的步驟來計算，需要先求得不同公司的平均薪水，然后按照員工和公司的對應關系填充到對應的位置，不用transform的話，實現代碼如下：
如果使用transform的話，僅需要一行代碼：
還是以圖解的方式來看看進行groupby后transform的實現過程（為了更直觀展示，圖中加入了company列，實際按照上面的代碼只有salary列）：
圖中的大方框是transform和agg所不一樣的地方，對agg而言，會計算得到A，B，C公司對應的均值並直接返回，但對transform而言，則會對每一條數據求得相應的結果，同一組內的樣本會有相同的值，組內求完均值后會按照原索引的順序返回結果，如果有不理解的可以拿這張圖和agg那張對比一下。
45.4 apply
apply應該是大家的老朋友了，它相比agg和transform而言更加靈活，能夠傳入任意自定義的函數，實現復雜的數據操作。在Pandas數據處理三板斧，你會幾板？中，介紹了apply的使用，那在groupby后使用apply和之前所介紹的有什么區別呢？
區別是有的，但是整個實現原理是基本一致的。兩者的區別在於，對於groupby后的apply，以分組后的分組DataFrame作為參數傳入指定函數的，基本操作單位是DataFrame，而之前介紹的apply的基本操作單位是Series。還是以一個案例來介紹groupby后的apply用法。
假設我現在需要獲取各個公司年齡最大的員工的數據，該怎么實現呢？可以用以下代碼實現：
46 Pandas數據處理三板斧，map、apply和applymap
46.1 Series數據處理
46.1.1 map
數據集如下所示，各列分別代表身高、體重、是否吸煙、性別、年齡和膚色。
如果需要把數據集中gender列的男替換為1，女替換為0，怎么做呢？絕對不是用for循環實現！！！使用Series.map()可以很容易做到，最少僅需一行代碼。
兩種方法實現
- 使用字典映射
- 使用函數
那map在實際過程中是怎么運行的呢？請看下面的圖解（為了方便展示，僅截取了前10條數據）
不論是利用字典還是函數進行映射，map方法都是把對應的數據逐個當作參數傳入到字典或函數中，得到映射后的值。
46.1.2 apply
同時Series對象還有apply方法，apply方法的作用原理和map方法類似，區別在於apply能夠傳入功能更為復雜的函數。怎么理解呢？一起看看下面的例子。
假設在數據統計的過程中，年齡age列有較大誤差，需要對其進行調整（加上或減去一個值），由於這個加上或減去的值未知，故在定義函數時，需要加多一個參數bias，此時用map方法是操作不了的（傳入map的函數只能接收一個參數），apply方法則可以解決這個問題。
可以看到age列都減了3，當然，這里只是簡單舉了個例子，當需要進行復雜處理時，更能體現apply的作用。
總而言之，對於Series而言，map可以解決絕大多數的數據處理需求，但如果需要使用較為復雜的函數，則需要用到apply方法。
46.2 Serie和DataFrame的區別
46.3 DataFrame數據處理
46.3.1 apply
對DataFrame而言，apply是非常重要的數據處理方法，它可以接收各種各樣的函數（Python內置的或自定義的），處理方式很靈活，下面通過幾個例子來看看apply的具體使用及其原理。
在進行具體介紹之前，首先需要介紹一下DataFrame中axis的概念，在DataFrame對象的大多數方法中，都會有axis這個參數，它控制了你指定的操作是沿着0軸還是1軸進行。axis=0代表操作對列columns進行，axis=1代表操作對行row進行，如下圖所示。
如果還不是很了解，沒關系，下面會分別對apply沿着0軸以及1軸的操作進行講解，繼續往下走。
假設現在需要對data中的數值列分別進行取對數和求和的操作，這時可以用apply進行相應的操作，因為是對列進行操作，所以需要指定axis=0，使用下面的兩行代碼可以很輕松地解決我們的問題。
實現的方式很簡單，但調用apply時究竟發生了什么呢？過程是怎么實現的？還是通過圖解的方式來一探究竟。（取前五條數據為例）
當沿着軸0（axis=0）進行操作時，會將各列(columns)默認以Series的形式作為參數，傳入到你指定的操作函數中，操作后合並並返回相應的結果。
那如果在實際使用中需要按行進行操作（axis=1），那整個過程又是怎么實現的呢？
在數據集中，有身高和體重的數據，所以根據這個，我們可以計算每個人的BMI指數（體檢時常用的指標，衡量人體肥胖程度和是否健康的重要標准），計算公式是：體重指數BMI=體重/身高的平方（國際單位kg/㎡），因為需要對每個樣本進行操作，這里使用axis=1的apply進行操作，代碼如下：
還是用圖解的方式來看看這個過程到底是怎么實現的（以前5條數據為例）。
當apply設置了axis=1對行進行操作時，會默認將每一行數據以Series的形式（Series的索引為列名）傳入指定函數，返回相應的結果。
總結一下對DataFrame的apply操作：
- 當axis=0時，對每列columns執行指定函數；當axis=1時，對每行row執行指定函數。
- 無論axis=0還是axis=1，其傳入指定函數的默認形式均為Series，可以通過設置raw=True傳入numpy數組。
- 對每個Series執行結果后，會將結果整合在一起返回（若想有返回值，定義函數時需要return相應的值）
當然，DataFrame的apply和Series的apply一樣，也能接收更復雜的函數，如傳入參數等，實現原理是一樣的，具體用法詳見官方文檔。
46.3.2 applymap
applymap的用法比較簡單，會對DataFrame中的每個單元格執行指定函數的操作，雖然用途不如apply廣泛，但在某些場合下還是比較有用的，如下面這個例子。
為了演示的方便，新生成一個DataFrame
47 pickle
47.1 pickle保存
pickle 是一個 python 中, 壓縮/保存/提取 文件的模塊. 最一般的使用方式非常簡單. 比如下面就是壓縮並保存一個字典的方式. 字典和列表都是能被保存的.
wb 是以寫的形式打開 ‘pickle_example.pickle’ 這個文件, 然后 pickle.dump 你要保存的東西去這個打開的 file. 最后關閉 file 你就會發現你的文件目錄里多了一個 ‘pickle_example.pickle’文件, 這就是那個字典了
47.2 pickle提取
提取的時候相對簡單點, 同樣我們以讀的形式打開那個文件, 然后 load 進一個 python 的變量.
48 Python字典的get()用法
作用
Python中的字典（Dictionary）是以鍵值對的形式存儲數據的，get()方法可以返回指定鍵的值，如果該鍵不存在的話，返回默認值。
語法
dict.get(key, default=None)
參數
key：需要查找的鍵。
default：如果查找的鍵不存在的話，返回default的值。默認為None。
和dict[key]的區別
dict.get(key)和dict[key]在key值存在的情況下，都能得到對應的鍵值。但是當使用dict[key]時，key必須要存在，否則會報錯。但是dict.get[key]中的key可以不存在，因為get方法有一個默認的參數None，當key不存在的時候，返回None。
49 統計一個數組的詞頻，並取前10個
