Python 学习小笔记

约定不等于承诺〃 2022-06-01 09:52 288阅读 0赞

这是我在入门Python的时候边学边记的一些小笔记

# 字符串 #

字符串不能被更新

# 数据集 #

里面的元素都可以是不同数据类型的  
  
都可以被索引和切片  
  
查看一个变量的数据类型使用type(obj)方法  
  
如type(tup1)

## 列表 ##

> 列表使用\[\]括起来，里面的元素可以是不同数据类型的，中间用逗号隔开  
> 列表可以被更新  
> listA=\[1,2,3,4,5\]

## 元组 ##

> 元组使用()括起来，元组不可以被更新  
> tup1 = (‘Google’, ‘Runoob’, 1997, 2000);  
> tup2 = (1, 2, 3, 4, 5 );  
> tup3 = “a”, “b”, “c”, “d”;  
> 不允许删除单个元素，但是可以删除整个元组  
> 如果元组只有一个元素，元素后要加上逗号，否则括号会被当成运算符: tup1=(550,);

## 集合 ##

> 使用\{\}或者set()来创建集合，但是空的集合只能用set()来创建，\{\}这样子是创建一个空字典  
> 使用集合这种数据集类型主要是为了去除重复元素

去重：

students=['a','b','a','d']
    set(students)

集合的运算：`a={2,2,3,4} b={2,3,4,5}`  
  
交集：`a&b`  
  
并集：`a|b`  
  
差集：`a-b`  
  
只有a或b存在的元素：`a^b` 可以理解成`a|b-a&b`

## 字典 ##

> 字典中的元素是使用键值对存储的，通过键来访问，而不是通过下标和偏移量  
> 使用\{\}来创建字典  
>   
> `students={'ali':2204,'bob':3445}`

# 位运算 #

位运算符：<< >> & | ^  
  
如果对整数采用位运算符，默认是将整数作为二进制运算的

a=3
     a<<3
     print(a)
    
     '''将会输出24'''

# 逻辑运算符 #

and or not  
  
Python的判断语句不支持&& 和 ||

# 成员运算符 #

in not in  
  
可以判断元素是否是数据集的成员

# 身份运算符 #

is is not  
  
可以判断引用的是不是同一对象

# 字符串 #

可以用’string’ 或者 "string"来表示一串字符串

字符串重复：

a="string";
    a=a*2; 
    print(a)

就会输出stringstring

python中字符串格式化的用法和C中一样

# end #

end一般用于print语句中，用于将结果输出到同一行，或者在输出末尾添加不同的字符

# 逻辑分支 #

Python没有switch case 语句  
  
实例：

if a>0:
        statment1
    elif a=0:
        statment2
    else:
        statment3

# 循环 #

都可以使用break关键字跳出循环

## while语句 ##

while a>0:
        statments
        statments1

**Python没有do while循环**  
  
while循环加上else语句  
  
当不满足while循环的条件时执行else语句

## for 循环语句 ##

for 循环可以遍历任何一个序列，包括列表，元组和字符串

for x in list：
        statement
    else：
        statement2

### range函数 ###

遍历数字序列  
  
例如：

#### 按顺序遍历 ####

for x in range(5)
        print(x)

这样会输出 0 到 4

#### 遍历其中一个段 ####

for x in range(5,8)
        print(x)

这样会输出 5 到 7  
**注意是左闭右开，跟列表截取的规则是一样的**

#### 设定增量 ####

for x in range(1,10,3)
        print(x)

这样会输出1,4,7,9 也就是每个数字之间相差3

## pass 语句 ##

不做任何事情的一个语句，相当于一条空语句

# 模块 #

一个模块就是一个.py文件，里面可以定义一些常用的函数或者变量  
导入的模块应该在当前代码目录或者在sys.path所定义的目录中

## from \[module\] import \[function\] ##

从指定模块导入某个或某些函数  
  
包是模块的集合

# 格式化输出 #

str.format() 的基本使用如下:  
  
>>> print(’\{\}网址： “\{\}!”’.format(‘菜鸟教程’, ‘[www.runoob.com][]’))  
  
菜鸟教程网址： “[www.runoob.com][]!”  
  
括号及其里面的字符 (称作格式化字段) 将会被 format() 中的参数替换。  
  
在括号中的数字用于指向传入对象在 format() 中的位置，如下所示：  
  
>>> print(’\{0\} 和 \{1\}’.format(‘Google’, ‘Runoob’))  
Google 和 Runoob  
  
>>> print(’\{1\} 和 \{0\}’.format(‘Google’, ‘Runoob’))  
Runoob 和 Google

**大括号里面可以是参数序列，也可以是参数关键词**

# 类 #

定义： `calss A ():`  
  
类的实例： a=A() 注意不使用new关键字

## 构造方法 ##

\_init\_(arg1,arg2，……)  
  
public属性、方法  
直接名称，通过className.attributeName可以访问到  
private属性、方法(两个下划线开头) \_\_privateAttr

## 方法 ##

类的方法里面第一个参数要为self，是this的意思

## 继承 ##

类B继承于类A： class B(A):  
  
多继承： class X (A,B,C,D,……):

# 数据处理总结 #

seaborn包是用来作数据可视化的，跟matplotlib搭配使用  
  
读取CSV文件一般import进pandas包然后用data=pandas.read\_csv(‘filename’,header=0)来读取  
  
返回值是一个dataframe类型的  
  
filename可以使用相对路径，表示当前目录可以写’./train.csv’  
  
header=0表示第0行是标题  
  
寻找数据集中缺失的数据可以用data.isnull()  
缺失总数用data.isnull().sum()来统计

### dataframe：(假设保存的数据集名为data) ###

#### 寻找数据集中缺失的数据 ####

可以用data.isnull() 缺失总数用data.isnull().sum()来统计  
  
调用data.isnull()的话会得到一个列表，列表里面只有TRUE 和 FALSE，如果该值是空那就是TRUE

#### 寻找每一种数据的出现次数 ####

用data\[‘name’\].value\_counts()  
针对ordinary、norminal、binary可用

#### 对数据分组进行计算，比如计算分组的平均数等 ####

有点类似于数据库中的groupby计算，涉及至少两列数据，用法有两种(例 要对列A根据列B进行分组并计算平均值)

1. 先访问单独列A，对它进行.groupby(B).mean()        >>>data['A'].groupby(['B']).mean()
    2. 对整个dataframe进行groupby，然后访问列A的mean()  >>>data.groupby(['B'])['A'].mean()

#### dataframe中axis的意义 ####

[这里有一篇博客说的很详细][Link 1]

> 使用0值表示沿着每一列或行标签\\索引值向下执行方法  
> 使用1值表示沿着每一行或者列标签模向执行对应的方法

#### 定位符合某个条件的数据(在处理缺失数据时十分有用) ####

1.  data.loc\[行条件，列条件\]  
      
    data.loc\[data\[‘Age’\]50,‘Survived’\]=1 \#将所有年龄为50岁的乘客的存活情况设置为1(行条件为Age50，列条件为列标签是Survived)  
    如果要修改筛选出来的数据，只能用data.loc\[条件\]=xxx的方法

#### 根据条件筛选数据 ####

1.data\[data.Survived== 0 \].Age 筛选Age列中Survivied为0的元组  
下面举三个例子  
>>>data\[1,‘b’\]=3 将列标签为b的第2行数据替换为3  
>>>data\[data.age.isnull(),‘Age’\]=34 将列标签为Age的空数据全部替换为34  
>>>data\[data.Survived==1\] 显示所有符合data.Survived的值是1的数据(包括其他属性的)

#### 替换数据 ####

方法DataFrame.replace(to\_replace=None, value=None, inplace=False, limit=None, regex=False, method=‘pad’, axis=None)  
  
其中，将要被替换的to\_replace和value可以是用列表和元组表示的数据集，表示在这个dataframe中这个列表里面的数据都是被替换的对象，to\_replace和value的顺序是一一对应的  
  
例如data\[‘Sex’\].replace(\[‘male’,‘female’\],\[0,1\],inplace=True)表示将data里面Sex列的所有male值替换成0，所有female值替换成1

### series:(假设保存的数据集名为series) ###

画图可以用series.plot.\[相应图名字\]() 来画 比如直方图：series.plot.bar() 饼图：series.plot.pie()  
求出一些特殊值：series.max() series.min() series.mean()

[www.runoob.com]: http://www.runoob.com
[Link 1]: https://www.cnblogs.com/nyist-/p/7998326.html