一分钟了解pandas以及散列表
前言
pandas目前十分火爆，我们简单地了解一下吧
一、pandas是什么？
pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
二、使用步骤
1.引入库
代码如下：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
2.读入数据
代码如下：
data = pd.read_csv(
'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())
该处使用的url网络请求的数据。
三、散列表：
✍ 散列表是一种数据集，其中的数据项的存储方式尤其有利于将来快速的查找定位。
✍ 散列表中的每一个存储位置，成为槽（slot），可以用来保存数据项，每个槽有唯一一个的名称。
✍例如：一个包含11个槽的散列表，槽的名称分别为0~10，在插入数据项之前，每个槽的值都是None，表示为空槽。
✍实现从数据项到存储槽名称转化的，称为散列函数
有一种常用的散列方法是：求余数，将数据项除以散列表的大小，得到的余数称为槽号。实际上求余数方法会以不同形式出现在所有散列函数里，因为散列函数返回的槽号必须在散列表大小范围之内，所以一般会对散列表大小求余。
✍槽被数据项占据的比例称为散列表的**“负载因子”。**
要查找某个数据项是否存在于表中，我们只需要使用同一个散列函数，对查找项进行计算，测试下返回的槽号所对应的槽中是否有数据项即可！实现O（1）时间复杂度的查找算法。
缺陷：冲突，数据存在同一个槽里。
四、解决冲突
完美散列函数：给定一组数据项，如果一个散列函数能把每个数据项映射到不同的槽中，那么这个散列函数就可以称为：完美散列函数。对于一组固定的数据，总能想办法设计出完美散列函数。
但如果数据项经常性的变动，很难有一个系统性的方法来设计对应的完美散列函数，当然冲突也不是致命性的错误，我们会有办法处理的。
获得完美散列函数的一种方法是扩大散列表的容量，大到所有可能出现的数据项都能够占据不同的槽。
但是这种方法对于可能数据项范围过大的情况并不实用，比如我们要保存手机号（11位），完美散列函数得要求散列表具备百亿个槽！会浪费太多的存储空间。
退而求其次，好的散列函数需要具备的特性：
1.冲突最少（近似完美）
2.计算难度低（额外开销小）
3.充分分散数据项（节约空间）**
- 点赞
- 收藏
- 关注作者
评论（0）