1.列表推導式基本形式：

 result = [item for item in squence <if conditions>]

 舉例：在以下球員姓名名單中找出名字中含有字母‘a’的球員

roster = ['Irving','Hayward','Horford','Tatum','Jaylen','Rozier','Smart']
contains_a = [i for i in roster if 'a' in i]
contains_a

>>>['Hayward', 'Tatum', 'Jaylen', 'Smart']  
 

2.pandas.get_dummies：

pandas提供的這個方法用於給類別型變數進行one-hot或dummy編碼（二者差別：dummy少用一個維度的變數來表示和one-hot編碼相同的資訊量，具體請見https://blog.csdn.net/weixin_41712499/article/details/82657296）

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

, 

                                 drop_first=False, dtype=None)

說說裡面幾個引數的意義：

•  prefix：string, list of strings, or dict of strings.     

字首，即你進行one-hot編碼後多出來的幾列特徵，其列名字首。

• dummy_na : bool, default False

若這個引數設定為True，則NaN項也會被作為一個特徵取值進行one-hot編碼

• columns : list-like, default None

想要被進行one-hot編碼的特徵的列名集合。當columns = None，則預設所有dtype為object的資料均進行one-hot編碼

• drop_first : bool, default False

若True，則進行one-hot編碼的這個特徵（假設有離散的k個取值）被轉化成k個one-hot特徵，即one-hot編碼；

若False，則進行one-hot編碼的這個特徵（假設有離散的k個取值）被轉化成k-1個one-hot特徵，即dummy編碼；

3.pandas.DataFrame.dtypes：

pandas提供的這個方法用於返回這個DataFrame中所有列的dtype，以一個pandas.Series形式返回。這個Series的index就是DataFrame的各列名。

• 常見的pandas資料dtype：

  dft = pd.DataFrame(dict(A = np.random.rand(3), B = 1, C = 'foo',D =     
                          pd.Timestamp('20010102'), E = 
                          pd.Series([1.0]*3).astype('float32'),F = False, G = 
                          pd.Series([1]*3,dtype='int8')))
  print(dft)
  
            A  B    C          D    E      F  G
  0  0.809585  1  foo 2001-01-02  1.0  False  1
  1  0.128238  1  foo 2001-01-02  1.0  False  1
  2  0.775752  1  foo 2001-01-02  1.0  False  1
  
  
  
  print(dft.dtypes)
  
  A           float64
  B             int64
  C            object
  D    datetime64[ns]
  E           float32
  F              bool
  G              int8
  dtype: object

         請注意：各資料型別的混合列，dtype = 'object'; 我們可以用dtype == ‘object’來挑選categorical資料，因為它們的特徵值大多都是字串格式的。