1 删除dataframe中有NAN的
这是使用字典创建DataFrame，key将作为表头
1.1 删除表中一行全为NAN的行
1.2 删除表中含有任何的NAN的行
1.3 删除表一列全为NAN的列
1.4 删除表中含有任何的NAN的列
删除表中某几列
直接用data.drop
data.drop(['Probability_test', 'Kmin_test', 'Kmax_test', 'action_test'], axis=1, inplace=True)
2 pandas中对列进行上下平移(shift)
通过shift函数里面的值来控制向上还是向下平移, 缺少的值会填充NaN，groupby函数里的参数控制基于什么字段进行shift。
2.1 上移shift(-1)
2.2 下移shift(1)
3. 批量读取文件夹中所有文件
通过os模块读取文件夹的所有文件
得到的a是一个list
对每个文件进行操作
用os.path.abspath()可以获取绝对路径
用os.path.join(domain,info)可以获取文件夹中每个文件的完整路径（绝对路径）
https://blog.csdn.net/brucewong0516/article/details/79062340
4. python tile函数
tile函数位于python模块 numpy.lib.shape_base中，他的功能是重复某个数组。比如tile(A,n)，功能是将数组A重复n次，构成一个新的数组
5.python中**运算符
5.1 矩阵间和np.array间的乘法运算
a和b是两个matrices，那么a*b，就是矩阵积
numpy里面arrays遵从逐个元素的运算，所以array：d 和e的d∗e运算相当于对应的元素相乘
5.2 **运算符
因为a是个matrix，所以a∗∗2返回的是a∗a，相当于矩阵相乘。而c是array，c∗∗2相当于，c中的元素逐个求平方。
6 min(0)，max(0)的用法
7 分组求平均值（groupby）
依据Kmin，Kmax，Probability，action来计算reward的平均值
8 数据分组和聚合运算
pandas对象中的数据会根据你所提供的一个或多个键被拆分为多组，拆分操作是在对象的特定轴上执行的（groupby分组默认是在axis=0上进行分组的），然后将一个函数应用到各个分组并产生一个新值，最后所有这些函数的执行结果会被合并到最终的结果对象中。
8.1 groupby分组
这样生成了一个groupby对象，实际上还未进行任何计算，可对其调用方法进行计算
下面计算平均值
1.以key1为依据，对data1进行分组
求得平均值
2.可以将列名直接当作分组对象，分组中，数值列会被聚合，非数值列会从结果中排除
原始数据：
可以看到原来数据里面的key2是非数值列，被排除掉了
3.以多列分组求平均值
以key1和key2分组
4.使用groupby的size方法
可以返回一个含有分组大小的series
按key1的值和key2的值分组，并统计个数
原始数据：
首先根据key1，看a有三个，再根据key2排除了a two这个组合，剩下两个a one
8.2 对分组进行迭代
- groupby对象支持迭代，可以产生一组二元数组（由分组名称和数据块构成）
- 对于多重键的情况，元组的第一个元素将会是由键值组成的元组
- groupby分组默认是在axis=0上进行分组的，通过设置也可以在其他轴上进行分组
8.3 对部分列进行聚合
8.4 数据聚合
对于聚合,一般指的是能够从数组产生的标量值的数据转换过程,常见的聚合运算都有相关的统计函数快速实现,当然也可以自定义聚合运算
要使用自己的定义的聚合函数,需将其传入aggregate或agg方法即可
此处，将自定义的聚合函数传入agg中
8.5 分组运算和转换
聚合仅是分组运算的一种，它是数据转换的一个特例，本节介绍transform和apply方法，他们能够执行更多其他的分组运算
以下是为一个DataFrame添加一个用于存放各索引组平均值的列，利用了先聚合再合并
用merge合并
实际上可以对DataFrame进行transform方法，对比一下下面两种的区别，transform会将一个函数应用到各个分组
参考：https://www.cnblogs.com/splended/p/5278078.html
9 统计每个标签出现的次数
10 生成pandas数据
要生成pandas数据，先将其转换成字典，再通过pd.DataFrame(dict)方式转成pandas数据
lenses.txt数据:
11 fit()函数不能接收string类型数据
string数据序列化
可以看到报错，ValueError:could not convert string to float:'young'
因为在fit()函数不能接收string类型的数据，通过打印的信息可以看到，数据都是string类型的。在使用fit()函数之前，我们需要对数据集进行编码，这里可以使用两种方法：
LabelEncoder：将字符串转换为增量值
OneHotEncoder：使用One-of-K算法将字符串转换为整数
为了对string类型的数据序列化，需要先生成pandas数据，这样方便我们的序列化工作。这里我使用的方法是，原始数据->字典->pandas数据
数据序列化（需要导入LabelEncoder）
运行结果：
12 将两个含有字符串的集合取并集
13 reduce()函数会对参数序列中元素进行累积
函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。
14 拉普拉斯平滑和下溢出
利用贝叶斯分类器对文档进行分类时，要计算多个概率的乘积以获得文档属于某个类别的概率，即计算p(w0|1)p(w1|1)p(w2|1)。如果其中有一个概率值为0，那么最后的成绩也为0。
从上图可以看出，在计算的时候已经出现了概率为0的情况。如果新实例文本，包含这种概率为0的分词，那么最终的文本属于某个类别的概率也就是0了。显然，这样是不合理的，为了降低这种影响，可以将所有词的出现数初始化为1，并将分母初始化为2。这种做法就叫做拉普拉斯平滑(Laplace Smoothing)又被称为加1平滑，是比较常用的平滑方法，它就是为了解决0概率问题。
除此之外，另外一个遇到的问题就是下溢出，这是由于太多很小的数相乘造成的。学过数学的人都知道，两个小数相乘，越乘越小，这样就造成了下溢出。在程序中，在相应小数位置进行四舍五入，计算结果可能就变成0了。为了解决这个问题，对乘积结果取自然对数。通过求对数可以避免下溢出或者浮点数舍入导致的错误。同时，采用自然对数进行处理不会有任何损失。下图给出函数f(x)和ln(f(x))的曲线。
没有进行拉普拉斯平滑和下溢出操作之前
进行了拉普拉斯平滑和取对数防止下溢出操作后的
15 从txt文件中读取字符串，并将字符串转换为字符列表
正则表达式中，+代表重复1次至多次,*表示重复0次到多次 所以在切分的时候，如果正则表达是为r'W*',那就会见到非数字字母 零次或者多次就会切分 比如['ab cd ede?']切分后就是['a','b',' ','c','d',' ',' ','e','d',e','?'] 再加上后面的的语句return [ i for i in list if len(i)>2]，因为每个字符串的长度都小于2，自然返回空集 把正则表达式改为r‘W+’就好啦
切分之后的
16 文本向量化
生成的returnVec长度与vocabList长度相同，遍历inputSet中的单词，并查找是否在词汇列表vocabList出现，出现的把该位置置为1，未出现的就是之前初始化0
17 从50个邮件中随机选出40个作为训练集，10个作为测试集
18 sorted排序
当待排序列表的元素由多字段构成时，我们可以通过sorted(iterable，key，reverse)的参数key来制定我们根据哪个字段对列表元素进行排序。
key=lambda 元素: 元素[字段索引]
例如：想对元素第二个字段排序，则
key=lambda y: y[1] 备注：这里y可以是任意字母，等同key=lambda x: x[1]
对字典进行排序
根据键的值进行倒序排序
首先运用items()获取字典的键值tuple列表，通过key来设定根据哪个字段进行排序
总之，排序，是要对列表排序，如果是对字典排序，需要将字典转换成键值对tuple列表的形式之后，再进行排序。
19 压缩与解压缩
注意要将数据打乱
20 if not
if not 就是一个判断语句，not 表示 非，
写成这个样子可能就理解了：
if not cond:
do_something()
意思就是如果 cond 为 “假值” （False，None，"" 等）时，执行分支里的语句。如果学过别的语言，比如 CC++ 等，上面的语句等价于：
if !cond {
do_something();
}
使用if not x这种写法的前提是：必须清楚x等于None, False, 空字符串"", 0, 空列表[], 空字典{}, 空元组()时对你的判断没有影响才行。
在python中 None, False, 空字符串"", 0, 空列表[], 空字典{}, 空元组()都相当于False。
21 Numpy的矩阵索引和array数组索引
矩阵索引使用[i,j]方式，数组索引使用[i][j]
22 getA()函数的作用
getA()函数与mat()函数的功能相反，是将一个numpy矩阵转换为数组
23 梯度上升算法原理解析
m为行数，代表有多少个样本；n为列数，代表有多少个特征。
n决定了weights的个数
24 Numpy中np.append()
numpy.append(arr, values, axis=None)
意思就是，将arr和values会重新组合成新的数组，作为返回值。axis是一个可选的值。
25 np.c_[xx.ravel(), y.ravel()]
np.c_[]，组成矩阵（xx,yy对应位置配对）
xx.ravel()拉直，降低xx的维度，变成一行n列
26 np.vstack(x).reshape(-1,2)和np.squeeze(Y_c)
26.1 np.vstack(x)按照行顺序把数组垂直地堆叠起来
reshape(-1,2)n行2列（用-1表示n行）
26.2 np.squeeze(Y_c)
将向量数组转换为秩为1的数组
27 tf.reduce_mean(x, axis)
表示求取矩阵或张量指定维度的平均值。若不指定第二个参数，则在所有元素中取平均值；若指定第二个参数为0， 则在第一维元素上取平均值，即每一列求平均值；若指定第二个参数为1，则在第二维元素上取平均值，即每一行求平均值。
28 os.path.join()
表示把参数字符串按照路径命名规则拼接
29 np.sign
就是大于0的返回1.0
小于0的返回-1.0
等于0的返回0.0
30 Python中flatten, matrix.A用法
flatten的作用:返回一个折叠成一维的数组。
但是该函数只能适用于numpy对象，即array或者mat
你的xMat折叠成一维数组，而且是按A的方式，进行折叠，然后[0]是取第一个元素
a是个矩阵或者数组，a.flatten()就是把a降到一维，默认是按横的方向降
此时的a是个矩阵，降维后还是个矩阵，矩阵.A（等效于矩阵.getA()）变成了数组，A[0]就是数组里的第一个元素
31 加载文本中数据的方法
当从文本中读取一行数据时候，数据的形式是这样的
这样的数据格式不符合要求，可以使用map方法
使用map方法
得到的数据形式：
32 Python中的size, shape, len, count
33 Python中列表，numpy中数组和矩阵的区别
Python中没有数组，只有元组和列表。
Python列表与numpy数组的区别
矩阵
数组
矩阵
数组
34 np.nonzero
np.nonzero(a)函数的作用：
将对矩阵a的所有非零元素， 分别安装两个维度， 一次返回其在各维度上的目录值。
因为矩阵只有一个非0值，在第0行，第0列
因为矩阵a只有两个非零值， 在第0行、第0列，和第1行、第0列。所以结果元组中，第一个行维度数据为（0,1） 元组第二个列维度都为（0,0）。
35 矩阵转为数组.A
36 将数组或矩阵转换成列表tolist()
37 Numpy在reshape函数中使用-1
Numpy 允许我们根据给定的新形状重塑矩阵，新形状应该和原形状兼容。有意思的是，我们可以将新形状中的一个参数赋值为-1。这仅仅表明它是一个未知的维度，我们希望 Numpy 来算出这个未知的维度应该是多少：Numpy 将通过查看数组的长度和剩余维度来确保它满足上述标准。让我们来看以下例子：
总而言之，当试图对一个张量进行 reshape 操作时，新的形状必须包含与旧的形状相同数量的元素，这意味着两个形状的维度乘积必须相等。当使用 -1 参数时，与-1 相对应的维数将是原始数组的维数除以新形状中已给出维数的乘积，以便维持相同数量的元素。
38 Numpy的argpartion函数：找到N个最大值的索引并返回N个值
Numpy 的 argpartion 函数可以高效地找到 N 个最大值的索引并返回 N 个值。在给出索引后，我们可以根据需要进行值排序。
39 Numpy中setdiff1d函数找到仅在A数组中有而B数组没有的元素
我们可以使用 Numpy extract () 函数从数组中提取符合条件的特定元素。
例子：模3
41 Numpy中clip函数是数组中的值保持在一定区间内
在很多数据处理和算法中（比如强化学习中的 PPO），我们需要使得所有的值保持在一个上下限区间内。Numpy 内置的 Clip 函数可以解决这个问题。Numpy clip () 函数用于对数组中的值进行限制。给定一个区间范围，区间范围外的值将被截断到区间的边界上。例如，如果指定的区间是 [-1,1]，小于-1 的值将变为-1，而大于 1 的值将变为 1。
示例1：限制数组中的最小值为 2，最大值为 6
示例2：限制数组中的最小值为2，最大值为5
42 数组切片[:5:-1]的含义
a[2:7:2]表示从索引2开始到索引7停止，间隔为2
a[:5:-1]，-1反转
冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。
43 time模块，计算当前时间和时间差
43.1 计算当前时间戳
https://blog.csdn.net/liuweiyuxiang/article/details/71075306
43.2 计算时间差
往前推5分钟
可以5*60=360s，计算时间戳的时候，再*1000转成毫秒级的
44 Numpy中用布尔值来替换值
Numpy可以运用布尔值来替换值
在数组中
在矩阵中
可以看到替换有个很有用的地方，就是可以替换那些空值
如，我们现在读取一个字符矩阵，其中有一个控制，其中的控制我们很有必要把它替换成其他值，可以用数据的平均值或者直接把它删除。
例：将空值替换成“0”的操作
45 Groupby详解
在日常的数据分析中，经常需要将数据根据某个（多个）字段划分为不同的群体（group）进行分析，如电商领域将全国的总销售额根据省份进行划分，分析各省销售额的变化情况，社交领域将用户根据画像（性别、年龄）进行细分，研究用户的使用情况和偏好等。在Pandas中，上述的数据处理操作主要运用groupby完成，这篇文章就介绍一下groupby的基本原理及对应的agg、transform和apply操作。
为了后续图解的方便，采用模拟生成的10个样本数据，代码和数据如下：
45.1 Groupby的基本原理
在Pandas中，实现分组操作的代码很简单，仅需一行代码，在这里，将上面的数据集按照company字段进行划分：
将上述代码输入ipython后，会得到一个DataFrameGroupBy对象
那这个生成的DataFrameGroupBy是啥呢？对data进行了groupby后发生了什么？ipython所返回的结果是其内存地址，并不利于直观地理解，为了看看group内部究竟是什么，这里把group转换成list的形式来看一看：
转换成列表的形式后，可以看到，列表由三个元组组成，每个元组中，第一个元素是组别（这里是按照company进行分组，所以最后分为了A,B,C），第二个元素的是对应组别下的DataFrame，整个过程可以图解如下：
总结来说，groupby的过程就是将原有的DataFrame按照groupby的字段（这里是company），划分为若干个分组DataFrame，被分为多少个组就有多少个分组DataFrame。所以说，在groupby之后的一系列操作（如agg、apply等），均是基于分组DataFrame的操作。理解了这点，也就基本摸清了Pandas中groupby操作的主要原理。下面来讲讲groupby之后的常见操作。
45.2 agg分组聚合
聚合操作是groupby后常见的操作，会写SQL的朋友对此应该是非常熟悉了。聚合操作可以用来求和、均值、最大值、最小值等，下面的表格列出了Pandas中常见的聚合操作。
针对样例数据集，如果我想计算不同公司员工的平均年龄和平均薪水，可以按照下方的代码进行：
如果想对针对不同的列求不同的值，比如要计算不同公司员工的平均年龄以及薪水的中位数，可以利用字典指定进行聚合操作：
45.3 transform
transform是一种什么数据操作？和agg有什么区别呢？为了更好地理解transform和agg的不同，下面从实际的应用场景出发进行对比。
在上面的agg中，我们学会了如何求不同公司员工的平均薪水，如果现在需要在原数据集中新增一列avg_salary，代表员工所在的公司的平均薪水（相同公司的员工具有一样的平均薪水），该怎么实现呢？如果按照正常的步骤来计算，需要先求得不同公司的平均薪水，然后按照员工和公司的对应关系填充到对应的位置，不用transform的话，实现代码如下：
如果使用transform的话，仅需要一行代码：
还是以图解的方式来看看进行groupby后transform的实现过程（为了更直观展示，图中加入了company列，实际按照上面的代码只有salary列）：
图中的大方框是transform和agg所不一样的地方，对agg而言，会计算得到A，B，C公司对应的均值并直接返回，但对transform而言，则会对每一条数据求得相应的结果，同一组内的样本会有相同的值，组内求完均值后会按照原索引的顺序返回结果，如果有不理解的可以拿这张图和agg那张对比一下。
45.4 apply
apply应该是大家的老朋友了，它相比agg和transform而言更加灵活，能够传入任意自定义的函数，实现复杂的数据操作。在Pandas数据处理三板斧，你会几板？中，介绍了apply的使用，那在groupby后使用apply和之前所介绍的有什么区别呢？
区别是有的，但是整个实现原理是基本一致的。两者的区别在于，对于groupby后的apply，以分组后的分组DataFrame作为参数传入指定函数的，基本操作单位是DataFrame，而之前介绍的apply的基本操作单位是Series。还是以一个案例来介绍groupby后的apply用法。
假设我现在需要获取各个公司年龄最大的员工的数据，该怎么实现呢？可以用以下代码实现：
46 Pandas数据处理三板斧，map、apply和applymap
46.1 Series数据处理
46.1.1 map
数据集如下所示，各列分别代表身高、体重、是否吸烟、性别、年龄和肤色。
如果需要把数据集中gender列的男替换为1，女替换为0，怎么做呢？绝对不是用for循环实现！！！使用Series.map()可以很容易做到，最少仅需一行代码。
两种方法实现
- 使用字典映射
- 使用函数
那map在实际过程中是怎么运行的呢？请看下面的图解（为了方便展示，仅截取了前10条数据）
不论是利用字典还是函数进行映射，map方法都是把对应的数据逐个当作参数传入到字典或函数中，得到映射后的值。
46.1.2 apply
同时Series对象还有apply方法，apply方法的作用原理和map方法类似，区别在于apply能够传入功能更为复杂的函数。怎么理解呢？一起看看下面的例子。
假设在数据统计的过程中，年龄age列有较大误差，需要对其进行调整（加上或减去一个值），由于这个加上或减去的值未知，故在定义函数时，需要加多一个参数bias，此时用map方法是操作不了的（传入map的函数只能接收一个参数），apply方法则可以解决这个问题。
可以看到age列都减了3，当然，这里只是简单举了个例子，当需要进行复杂处理时，更能体现apply的作用。
总而言之，对于Series而言，map可以解决绝大多数的数据处理需求，但如果需要使用较为复杂的函数，则需要用到apply方法。
46.2 Serie和DataFrame的区别
46.3 DataFrame数据处理
46.3.1 apply
对DataFrame而言，apply是非常重要的数据处理方法，它可以接收各种各样的函数（Python内置的或自定义的），处理方式很灵活，下面通过几个例子来看看apply的具体使用及其原理。
在进行具体介绍之前，首先需要介绍一下DataFrame中axis的概念，在DataFrame对象的大多数方法中，都会有axis这个参数，它控制了你指定的操作是沿着0轴还是1轴进行。axis=0代表操作对列columns进行，axis=1代表操作对行row进行，如下图所示。
如果还不是很了解，没关系，下面会分别对apply沿着0轴以及1轴的操作进行讲解，继续往下走。
假设现在需要对data中的数值列分别进行取对数和求和的操作，这时可以用apply进行相应的操作，因为是对列进行操作，所以需要指定axis=0，使用下面的两行代码可以很轻松地解决我们的问题。
实现的方式很简单，但调用apply时究竟发生了什么呢？过程是怎么实现的？还是通过图解的方式来一探究竟。（取前五条数据为例）
当沿着轴0（axis=0）进行操作时，会将各列(columns)默认以Series的形式作为参数，传入到你指定的操作函数中，操作后合并并返回相应的结果。
那如果在实际使用中需要按行进行操作（axis=1），那整个过程又是怎么实现的呢？
在数据集中，有身高和体重的数据，所以根据这个，我们可以计算每个人的BMI指数（体检时常用的指标，衡量人体肥胖程度和是否健康的重要标准），计算公式是：体重指数BMI=体重/身高的平方（国际单位kg/㎡），因为需要对每个样本进行操作，这里使用axis=1的apply进行操作，代码如下：
还是用图解的方式来看看这个过程到底是怎么实现的（以前5条数据为例）。
当apply设置了axis=1对行进行操作时，会默认将每一行数据以Series的形式（Series的索引为列名）传入指定函数，返回相应的结果。
总结一下对DataFrame的apply操作：
- 当axis=0时，对每列columns执行指定函数；当axis=1时，对每行row执行指定函数。
- 无论axis=0还是axis=1，其传入指定函数的默认形式均为Series，可以通过设置raw=True传入numpy数组。
- 对每个Series执行结果后，会将结果整合在一起返回（若想有返回值，定义函数时需要return相应的值）
当然，DataFrame的apply和Series的apply一样，也能接收更复杂的函数，如传入参数等，实现原理是一样的，具体用法详见官方文档。
46.3.2 applymap
applymap的用法比较简单，会对DataFrame中的每个单元格执行指定函数的操作，虽然用途不如apply广泛，但在某些场合下还是比较有用的，如下面这个例子。
为了演示的方便，新生成一个DataFrame
47 pickle
47.1 pickle保存
pickle 是一个 python 中, 压缩/保存/提取 文件的模块. 最一般的使用方式非常简单. 比如下面就是压缩并保存一个字典的方式. 字典和列表都是能被保存的.
wb 是以写的形式打开 ‘pickle_example.pickle’ 这个文件, 然后 pickle.dump 你要保存的东西去这个打开的 file. 最后关闭 file 你就会发现你的文件目录里多了一个 ‘pickle_example.pickle’文件, 这就是那个字典了
47.2 pickle提取
提取的时候相对简单点, 同样我们以读的形式打开那个文件, 然后 load 进一个 python 的变量.
48 Python字典的get()用法
作用
Python中的字典（Dictionary）是以键值对的形式存储数据的，get()方法可以返回指定键的值，如果该键不存在的话，返回默认值。
语法
dict.get(key, default=None)
参数
key：需要查找的键。
default：如果查找的键不存在的话，返回default的值。默认为None。
和dict[key]的区别
dict.get(key)和dict[key]在key值存在的情况下，都能得到对应的键值。但是当使用dict[key]时，key必须要存在，否则会报错。但是dict.get[key]中的key可以不存在，因为get方法有一个默认的参数None，当key不存在的时候，返回None。
49 统计一个数组的词频，并取前10个
