每個人都會遇到這個問題。

學習數據科學的過程，從來就不是一帆風順的。在寫代碼的時候，你是否也經常不得不反復搜索同一個問題，同一個概念，甚至同一個語法結構的特性呢？對，你不是一個人在戰斗。

我也一直在同樣的情況里掙扎著。

雖然遇到問題上 StackOverflow 搜一搜是相當正常的，但比起切實掌握理解語言特性的情況，不斷重復的遇到問題＋搜來搜去，會嚴重拖慢你的速度。

如今，無窮無盡的免費資源時時刻刻充斥著互聯網，一搜即得。然而，對初學者，這既是一種祝福，也是一個詛咒。如果不經過有效管理，過度依賴網絡資源會讓你養成糟糕的習慣，從長遠上影響了你的成長。

拿我自己來說，我常常從許多內容差不多的帖子里復制代碼下來使用，而不愿意花時間和精力去學習鞏固其中所需的技術概念，以便下次能自己寫出需要的代碼。

這是個懶辦法，雖然短期內看起來它能簡單快速地搞定問題，但從長遠上看，這個做法會嚴重影響你的成長，破壞你的創造性，并從根本上動搖你回想某些語法特性的能力（這在技術面試的時候可是致命的）。

那我要怎么解決呢？

為了進一步鞏固我自己對這些概念的理解，也為了幫大家節省一下每次上網搜索的時間，我在這里整理了一下自己使用 Python、NumPy 和 Pandas 時遇到的一些常見的小問題，希望對你有幫助。

01、 只要一行代碼的列表生成器

假如每次你想要生成個列表，都要寫個循環，是不是很煩呢？好在 Python 已經有一個內建方法，只要一行代碼就能搞定這個問題。如果你不熟悉這個語法，可能理解起來會有點難度，不過一旦你習慣這個技術之后，你一定會愛不釋手的！

動圖：如何將一個循環改成列表生成式（來源：Trey Hunner ）

上面這個動圖就是一個很好的例子，原來的代碼就是采用 for 循環生成列表的方法，而圖上一步一步將它改造成了一個只有一行代碼的列表生成式，再也不用循環啦。是不是很簡潔？

下面是另外一個對比范例：

使用循環：

輸出的結果是 [1, 4, 9, 16]

使用生成式：

輸出的結果也是 [1, 4, 9, 16]

02、 Lambda 表達式

明明這個函數用不了幾次，每次都要寫一大串函數構建代碼，是不是很累？別怕，Lambda 表達式來救你！Lambda 表達式能方便地創造簡單、一次使用而且匿名的函數對象。基本上，它們讓你無需費心構造一個函數，而是直接使用這個函數。

Lambda 表達式的基本語法是：

要記住，Lambda 表達式創造的函數和普通的 def 構建的函數沒什么不同，只不過函數體只有單獨一個表達式而已。看看下面這個例子：

輸出的結果是 10

03、 Map 和 Filter 函數

一旦你掌握了 Lambda 表達式，將它們與 map 或 filter 函數一起使用，可謂是威力無比。

具體來說， map() 函數接收一個列表，和一個函數，它對列表里的每個元素調用一個函數進行處理，再將結果放進一個新列表里。下面這個例子中，map() 函數遍歷 seq 中的每個元素，把它乘2，再把結果放入一個新列表，最后返回這個列表。最外面一層 list() 函數是把 map() 返回的對象轉換成列表格式。

輸出的結果是 [2, 4, 6, 8, 10]

而 filter() 函數略有不同，它接收一個列表，和一個規則函數，在對列表里的每個元素調用這個規則函數之后，云服務器租用，它把所有返回值為假的元素從列表中剔除，然后返回這個過濾后的子列表。

輸出的結果是 [3, 4, 5]

04、 Arange 和 Linspace 函數

為了快速方便地生成 numpy 的數組，你一定得熟悉 arange() 和 linspace() 這兩個函數。這兩個函數分別有自己的特定用法，不過對我們來說，它們都能很好地生成 numpy 數組（而不是用 range() ），這在數據科學的分析工作上可是相當好用的。

arange() 函數按照指定的步長返回一個等差數列。除開始和結束值之外，你還可以自定義步長和數據類型。請注意，給定的結束值參數是不會被包含在結果內的。

輸出的是一個數組對象： array([3, 5])