Python学习笔记一

一、pandas（Python Data Analysis Library）
Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。它是使Python成为强大而高效的数据分析环境的重要因素之一。
pd.read_csv(‘目录，或者网址’) 读取csv数据
（Comma-Separated Values，CSV，逗号分隔符）
df = pd.DataFrame(data = ‘矩阵’，colums =[‘a’,’b’]) 将矩阵数据转换成csv数据
pd.to_csv(‘地址’) 存储csv数据
二、zip
将对应下标的元素封装进一个新的数组中。
比如说x=[1,2,3] y=[4,5,6] zip(x,y)的结果就是
[[1,4],[2,5],[3,6]]，这里把x,y看作是记录。
如果x=[[1,2],[3,4],[5,6]],y=[7,8,9]那么zip(x,y)的结果就是
[([1,2],7),([3,4],8),([5,6],9)]
在使用for语句遍历列表的元素时，比如：for i,j in z。其中i代表第一列的元素，j代表第二列的元素。对应的元素可以是数字，也可以是列表和元组。
三、python中的元组，列表，字典分别对应小括号，中括号，大括号。其元组与列表的区别在于元组是不可修改的。
四、numpy
利用numpy创建随机数组,比如a = np.random.rand(3,2)，可以产生3行2列的随机数组。
利用numpy产生有序数组，比如a=np.arange(1,15,dtype=int16).reshape(3,5),产生三行五列的有序整形数组。
通过pandas将列表转换成csv类型的数据后，可以有numpy中的iloc函数提取相应列的元素。比如a = b.iloc[1:4,2].values
通过numpy中的where函数可以根据判断条件改变列表中的元素。比如：np.where(self.net_input(X) >= 0.0, 1, -1)
通过numpy中的dtype函数可以查看列表的数据类型。
通过numpy中的shape函数可以查看列表的大小。