转自：廖雪峰网站

1.map/reduce

map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。

举例说明，比如我们有一个函数f(x)=x2，要把这个函数作用在一个list [1, 2, 3, 4, 5, 6, 7, 8, 9]上，就可以用map()实现如下：

>>> def f(x):...     return x * x...>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])>>> list(r)[1, 4, 9, 16, 25, 36, 49, 64, 81]

map()传入的第一个参数是f，即函数对象本身。由于结果r是一个Iterator，Iterator是惰性序列，因此通过list()函数让它把整个序列都计算出来并返回一个list。

把这个list所有数字转为字符串：

>>> list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))['1', '2', '3', '4', '5', '6', '7', '8', '9']

再看reduce的用法。reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

 

2.numpy.ravel()展平函数

Return a contiguous flattened array.

numpy.ravel(a, order='C')

>>> x = np.array([[1, 2, 3], [4, 5, 6]])>>> print(np.ravel(x))[1 2 3 4 5 6]

>>> print(x.reshape(-1))[1 2 3 4 5 6]

 

3.例子

d = sio.loadmat('ex5data1.mat')    return map(np.ravel, [d['X'], d['y'], d['Xval'], d['yval'], d['Xtest'], d['ytest']])

 

关于将mat里的数据转换为dataFrame做了以下：

tX,ty=pd.DataFrame([mat.get("X"),mat.get("y")])#报错：Must pass 2-d input#因为数据框是二维的，a=pd.DataFrame({
   "name":mat['y']})#报错：ValueError: If using all scalar values, you must pass an indexa=pd.DataFrame({
   "name":mat['y']},index=[0])#报错：Exception: Data must be 1-dimensional#解决：a=pd.DataFrame({
   "name":np.ravel(mat['y'])})#需要展平为(12,)