kaggle---타이타닉호 학습지식점 총결산(1)

1.python set () 함수 설명: set () 함수는 무질서하게 중복되지 않는 요소 집합을 만듭니다. 예:

x=set('runoobl')
x
{'b', 'l', 'n', 'o', 'r', 'u'}

2.python map () 구문:

map(function, iterable, ...)

설명: 첫 번째 매개 변수 function은 매개 변수 시퀀스 iterable의 모든 요소에서 function 함수를 호출하는 예입니다.

(1)def square(x) :            #  
     return x ** 2
(2)map(square, [1,2,3,4,5])   #  
[1, 4, 9, 16, 25]
(3) map(lambda x: x ** 2, [1, 2, 3, 4, 5])  #   lambda  
[1, 4, 9, 16, 25]
(4)map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])   # ， 
[3, 7, 11, 15, 19]

3.pandas의 get_dummies 구문:

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False)

공통 매개변수:

 1. data : array-like, Series, or DataFrame 
 
 2. prefix : string, list of strings, or dict of strings, default None 
get_dummies ， 
 3. columns : list-like, default None 
 
 4. dummy_na : bool, default False 
 ， False 
 5. drop_first : bool, default False 
 k k-1 ， 

링크 설명 추가
4.pandas의 contact 설명: 데이터 병합 구문:

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
       keys=None, levels=None, names=None, verify_integrity=False)

매개변수:

objs: series，dataframe panel lsit 
axis：  ，0 ，1  
join：  inner， outer【 inner ，outer 】
join_axes:  

링크 설명 추가
5.pandas의 loc 설명: 지정된 열을 선택하여 작업 구문을 사용합니다.

df.loc[ , ]
df.loc['a':'b']# ab 
df.loc[:,'one']# one 

예:

df.loc[ (df.Cabin.notnull()), 'Cabin' ] = "Yes"
# Cabin “Yes”
df.loc[(df.Cabin.isnull()), 'Cabin'] = "No"
# Cabin “No”

6.python filter () 함수 설명: filter () 함수는 필터 시퀀스에 사용되며, 조건에 맞지 않는 요소를 필터하고, 조건에 맞는 요소로 구성된 새 목록을 되돌려줍니다.구문:

filter(function, iterable)

매개변수:

function --  。
iterable --  。
 ， ， ， ，  True   False，  True  。

인스턴스:

def is_odd(n):
    return n % 2 == 1
 
newlist = filter(is_odd, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
print(newlist)
  ：
[1, 3, 5, 7, 9]

7.python format () 함수 인스턴스:

>>>"{} {}".format("hello", "world")    #  ， 
'hello world'
 
>>> "{0} {1}".format("hello", "world")  #  
'hello world'
 
>>> "{1} {0} {1}".format("hello", "world")  #  
'world hello world'