起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識如何七周成為數據分析師20：了解和掌握Python的函數
本文是《如何七周成為數據分析師》的第二十教程，如果想要了解寫作初衷，可以先行閱讀七周指南。溫馨提示：如果您已經熟悉Python，大可不必再看這篇文章，或只挑選部分。
Python之所以靈活，就是因為它函數式編程的特性。今天開始學習Python的一些高級特性。
控制流
Python等程序語言，都是從程序頂端從上到下一行行執行語句，可以把它想象成線性。生活中的很多情況，并不只是單一的線性。
某程序員的老婆叫他上街買幾個桃子，吩咐如果有西瓜，買一個。 后來他就真的只買了一個桃子回來。這里就用到了典型的條件判斷（程序員有沒有買對的吐槽我們先放下），條件是如果有西瓜。
我們用If表示條件：
這是一個最簡單的邏輯判斷，當我們發現a大于5，輸出特定語句。python用縮進控制語法，當if后面的條件為true時，程序才會執行縮進中的內容，否則跳過?？s進在Jupyter中用tab輸入，也可以使用四個空格。
當條件為false時，可以用else，此時不會執行if中的內容，而是else。
條件可以進一步細化，用elif語句。
elif可以使用多個。不論if、elif還是else，后面都要加冒號。當if、elif、else中有一個條件執行為true，后續的條件都pass不執行。
我們把程序員買西瓜的故事簡單翻譯成代碼：
條件判斷中可以應對更復雜的邏輯。比如有一個數字，我們即想判斷它的奇偶，也想判斷它能不能被3整除。
if中套著一個if，我們把它稱為嵌套。第二層的if，仍舊要遵循縮進規則，它是基于上第一層的邏輯，所以此時距行首八個空格。如果忽略了縮進，會報錯。新手在縮進很容易犯錯，尤其是在邏輯復雜有七八個縮進的時候。
while是Python的循環執行語句，在某條件下，一直執行語句，直到條件為False。
在上圖中，count作為計數器，每次循環都會累加1，直到count大于等于10。count=count+1可以有一種更優雅的寫法：count += 1。
while還有兩個重要的命令，break和continue，break是終止整個循環，continue是跳過本次循環。
第一個是在循環計數器為5時停止輸出，第二個循環是只輸出偶數。需要注意的是，如果while的條件始終不為true，那么它為無休止地進行下去，計算機會被拖垮。這也是為什么第二個循環會將count+=1放在上面，因為放在下面會讓continue跳過累計計數，永遠不會達到10。
和依據條件進行循環的while不同，for語句可以設置循環的次數。
range函數用來控制循環次數，默認從0開始，執行n次。這里的i是循環過程中的數字變量，即第幾次循環。如果想設置循環的起始數字，用兩個參數表示，第一個為起始，第二個為終止。有一種進階用法是設置第三個參數n，叫步長，循環過程的計數不是默認的1，而是n，類似于count += n。
for in range 的用法，是循環一組數字。它也能引入更豐富的列表和字典。
這里for將列表里面的所有元素都遍歷出來，i表示list中第幾個元素。字典用for比較特殊，因為它是key-value鍵值對，需要聲明循環的目標是key還是value。
keys()可以不用加，默認的輸出就是key。dict的循環輸出依舊不是按賦值時的順序，這點要注意。如果想要同時輸出key和value，用items。
這里的k指代key，v指代value，items將key和value組成元組，把這些元組依舊返回。
嚴格意義上說，上述的代碼可以細分成循環、迭代和遍歷。循環是滿足一定條件下，執行相同的代碼，while就是典型的循環。迭代是按順序范圍訪問列表中的項，比如for，上文中針對列表和字典的循環更應該稱呼為迭代。遍歷是按一定的規則訪問所有的元素，它可以是線性，也可以是樹型。另外還有一種用法叫遞歸，它在函數中用到。
函數
大家在讀書時想必都學過函數，y=f(x)就是一個典型的函數，通過輸入x，經過特定的函數，最終輸出我們想要的結果y。
在計算機語言中，函數可以簡單地抽象為輸入和輸出。很多時候，我們并不需要知道輸入和輸出的底層計算過程，只需要知道這個函數能輸出什么。這點和Excel中的函數很像。
Python有很多內置的函數，abs、len、int、max等，具體的應用可以查詢文檔。對于新手，不需要掌握全部的函數，花費的精力太久，最好的方法是學會查詢。這一點通過搜索引擎加關鍵詞輕松做到。
當內置函數無法滿足我們的需求時，就需要用到自定義函數。
通過def定義函數，func是函數的名稱，括號中是函數的參數，也可以理解為輸入。冒號依舊是必須的?？s進塊內是函數的主體，沒有被縮進的部分不會被認為是函數。
案例中的代碼是一個簡單的判斷器，輸入年齡x，在函數主體中進行判斷，分別輸出adult或者child。當我們定義好函數，在后續的使用中直接調用函數，并且輸入，不用再一遍遍的寫重復代碼。
函數的意義就是將工作中的重復內容簡化，一個良好的程序員會定義清晰簡潔的函數。對于數據分析師，雖然函數的要求不那么嚴格，但是學會了也能將數據工作精簡。
比如你每天都需要重復相同的數據清洗工作，諸如拼接，計算，合并等，把繁瑣的工作步驟寫成一個函數，正式名字叫封裝，以后的工作只需要運行函數就能輕松搞定。
函數可以定義多個參數/輸入，也能將運行后的結果輸出。
上面就是一個最簡單的加法函數，return表示將結果返回。返回的結果可以用于賦值，result = add(3,10)，result就是13。參數除了輸入的作用，本身還能作為開關。
案例是一個簡單的四則運算器，第三個參數就是開關，選擇加減乘除。這點，不妨想一下excel的函數比如vlookup，它的第四個參數true和false就是判斷要精確匹配還是模糊匹配，是一個開關的作用。
如果足夠細心，你會發現vlookup的第四個參數可以忽略，因為它默認為True，在使用的過程中實際有三個就行了，方便使用。Python也能設置默認參數。
只要在參數部分自動賦值，就可以作為默認參數，這里默認執行plus，不需要額外聲明。
函數能夠進行復雜運算嗎？答案是肯定的，我們結合描述統計，通過輸入一組數據，返回描述統計中的常用指標，最大值，最小值，中位值，平均值。
最大值、最小值和平均數的計算沒有難度，中位數復雜一些，奇數和偶數的計算邏輯不一樣，所以函數中要用到if判斷。大家可以思考一下為什么要排序，以及除法為什么是//而不是/，這些都是早期知識點的掌握。還可以再想一下，這個函數會不會有問題？
接下來繼續加大難度，如果是輸入一個數組，求其標準差，應該怎么計算？
在計算標準差的過程中，我們要先定義一個空列表，循環求出(實際值-平均數)^2的值，求和后再除以變異值，整個步驟略顯冗余。在Python中，步驟可以再精簡。
[(i-avg)**2 for i in x]是一種優雅寫法，它直接將循環計算后的結果生成一個新列表，避免使用append，也不需要縮進。接下來看幾個簡化的應用。
在完成標準差函數后，如果我們希望同時生成標準差和方差應該如何處理？函數可以有多個輸入，那么自然也支持多個輸出。
return多個值時，它返回的是元組，也可以將元組賦值給多個變量。
在函數中，還有更多的用法，比如可變參數，關鍵字參數，遞歸函數等。不過數據分析師用不太到，很多業務分析是一次性的，代碼寫得丑就丑了，用拼音命名變量也可以，畢竟和excel比起來，效率提升還是足夠的。
包、模塊和類
學會函數，工作中讓你省一半力氣，但是Python的優勢就是還能再省力。比如中位數、標準差等，依舊需要寫代碼，有沒有現成的直接調用呢？
第一種思路是搜索，「python 中位數」和「python 標準差」的關鍵詞在網上可以搜出一堆，直接參考即可。
第二種思路是調包，世界上好心人很多，他們已經寫好了現成的諸多功能，把它們共享在了網上，這些功能統一做成了「包」。
包的概念類似于文件夾，文件夾中放著很多文件，文件在Python中指代「模塊」，對應一個.py文件。py文件中包含著具體的代碼，代碼太多會顯得比較凌亂，為了規范和整理代碼，引入了「類」。類是一種抽象的概念，是面向對象編程的核心，數據分析不用深入理解這塊，只要知道類是各種函數的集合，方便復用，用起來很簡單就行。
拿之前的統計函數舉例，程序員老王是一個好人，它將統計的常用代碼做成了一個包叫「老王統計包」，老王統計包里面有多個模塊，比如描述統計模塊，概率模塊。描述統計模塊中有一個stats類，把計算平均數標準差的函數都裝進去了。
上述代碼就是一個簡化的類，list是根據Stats創建的實例，實例是編程名詞，粗糙理解就是把具體的數據存到內存空間了。然后我們直接為list調用不同的函數，不論sum、count還是avg，一次性出來。數據分析師不用專程學怎么創建類，大概了解就行。
接下來的問題是，怎么使用這些包、模塊和類呢？
Python提供了很方便的操作命令，pip install。以往后我們要學的pandas為例。打開終端/cmd，鍵入pip install pandas。如果系統里既安裝python2又安裝python3，則鍵入pip3 install pandas。
如果未安裝過，會自動安裝，已經安裝過的會提醒已安裝。我們用的Anaconda3已經集合了絕大部分的數據分析包，不需要安裝了。Anaconda3有另外一個命令可以安裝，是conda install，如果Python3.3，Python3.4，Python3.5安裝了一堆版本，這個命令可以切換版本方便點。
安裝包很容易遇到各種各樣的問題，windows會比較多，遇到的話擅用搜索引擎即可。
包安裝好以后就可以使用了，在Python用import表示加載包，也可以加載Python自帶的模塊。默認放在文件開頭。
Python提供了非常豐富的包和模塊，合理應用這些模塊將極大程度的提供數據分析能力。numpy、scipy、pandas是數據分析最常用的三個包，matplotlib、seaborn是常用的繪圖包，scikit-learn、Gensim、NLTK是機器學習相關的包，urllib、BeautifulSoup是常用的爬蟲包等。
在下一篇內容，會講解用Pandas進行數據分析。當然中間會穿插一到兩篇強化基礎的內容，比如做Python的算法競賽題、高階函數如Map/Reduce和filter的使用、實現數據清洗等。
相關閱讀
如何七周成為數據分析師01：常見的Excel函數全部涵蓋在這里了
如何七周成為數據分析師：Excel技巧之甘特圖繪制（項目管理）
#專欄作家#
秦路，微信公眾號ID：tracykanc，人人都是產品經理專欄作家。
本文由 @秦路?原創發布于人人都是產品經理。未經許可，禁止轉載。
我是誰 我在哪里
做數據分析，要懂這個嗎？
希望可以看到大神后續更多關于機器學習的文章 ??
可視化建議用pyecharts，用起來更加方便。最近才出的可視化包，是中國人開發的第三方庫，強力推薦。
matplotlib用起來，只能說非常不爽。
很棒 每個工作日都會看更新，py里面的數據分析熊貓占了一部分 函數個人用的不太多
后期是不是考慮從數據分析師寫一點大數據方向的呢