2021-01-07

这篇博客介绍了如何使用Vim编辑器进行Python编程。从基础的Vim操作如打开文件、移动光标、删除与插入文本,到高级功能如查找替换、复制粘贴,详尽地讲解了Vim的使用技巧。同时,文章还涵盖了Python的基础语法,如`input`和`print`函数,以及如何设置和使用虚拟环境。通过实例展示了输入输出和简单的算术运算,为初学者提供了实用的指导。

使用vim编辑python

1.vim使用
1.vim进入

       vim  1.py         有文件打开无文件新建

2.命令模式

         :进入末行模式

3.末行模式

          :wq      保存并退出         :q      退出          !

4.插入模式 Esc 退出至命令模式

插入

按  i (光标所在位置前面插入)        

按  a(光标所在位置后边插入)

按  o(光标所在位置,往下另起一行,进行插入)

按   I (光标所在位置行首插入)

按   A  (光标所在位置行末插入)

按   O (光标所在位置,往上另起一行,进行插入)

移动

h:前          j :下           k:上           l:后

  M  : 跳到中间行

  L   :    跳到最后一行

  G   :    跳到指定行(G前面加行数的数字)

  w   :  往后移动一个单词

   b   :  往前移动一个单词

  gg  :   跳到文件的开头

   {    :   往上移动一段代码

   }    :   往下移动一段代码

Ctrl+d : 往下翻半屏

Ctrl+u : 往上翻半屏

Ctrl+f : 往上翻整屏

Ctrl+b : 往下翻整屏

删除

 x   :  向前一个一个字符的删除

 X   :  向后一个一个字符的删除

dd   :  删除一整行(dd前面加数字可删除多行)

d0   :   删除光标前本行所有的内容

dw   :  删除光标开始后面本行的内容(包括光标一起删除)

撤销

 u     :  一步一步的撤销

Ctrl+r : 反撤销

复制

 yy    :复制(前面加数字可以复制多行)

  p    : 粘贴

替换

  r     :   替换当前字符

  R    :   替换当前光标后面的字符,光标向后移动

查找

/ 123 :查找

 N       :上一个

 n        :下一个

末行模式下:

 批量替换:

            %s/123/456/g             替换所有的123

             1,10s/123/456/g       替换1到10行的123

2.vim编辑py文件
python3 1.py

F5

3.input、print
input 输入

print 输出

1
2
a = input(‘请输入数字’)
print(‘你输入的数字是: %s’%a)

a = input(‘请输入第一个数字:’)
b = input(‘请输入第二个数字:’)
a = int(a)
b = int(b)
num = a + b
print(‘相加的结果是: %s’%num)
配置插件 bash install.sh
虚拟环境 workon py3env

你已经成功将 `Date` 列转换为 `datetime64[ns]` 类型,并且输出如下: ``` 0 2021-01-04 1 2021-01-05 2 2021-01-06 3 2021-01-07 4 2021-01-08 Name: Date, dtype: datetime64[ns] ``` ✅ **这说明日期解析完全正确!** 接下来你应该执行: ```python df.set_index('Date', inplace=True) df.sort_index(inplace=True) # 确保时间顺序正确 ``` 然后进入主逻辑,使用我们之前修复过的区间筛选函数(作用于索引)即可正常运行。 --- ### ✅ 当前状态确认清单 | 检查项 | 是否完成 | 说明 | |--------|----------|------| | ✔️ `Date` 列是否为 `datetime64[ns]`? | ✅ 是 | 输出已验证 | | ✔️ 是否设置为索引? | ⚠️ 需手动执行 | 必须调用 `set_index` | | ✔️ 时间是否升序排列? | ⚠️ 建议排序 | 使用 `sort_index()` 更安全 | | ✔️ 区间过滤函数是否作用于 `index`? | ✅ 是 | 否则会出错 | --- ### ✅ 推荐后续代码(确保流程完整) ```python # 设置索引并排序 df.set_index('Date', inplace=True) df.sort_index(inplace=True) # 查看数据类型和前几行 print("Index dtype:", df.index.dtype) print("Data head:") print(df.head()) ``` 此时你的 `df.index` 是一个有序的 `DatetimeIndex`,可以安全用于以下操作: ```python intervals = { 'YTD': lambda idx: idx >= pd.Timestamp(year=idx[-1].year, month=1, day=1), '1Y': lambda idx: idx >= idx[-1] - pd.DateOffset(years=1), '6M': lambda idx: idx >= idx[-1] - pd.DateOffset(months=6), '3M': lambda idx: idx >= idx[-1] - pd.DateOffset(months=3), '1M': lambda idx: idx >= idx[-1] - pd.DateOffset(months=1), } ``` 因为 `idx[-1]` 就是最后一个交易日,比如 `2024-03-28`,它是一个 `pd.Timestamp`,支持 `.year`、`.month` 等属性,不会再报错! --- ### ✅ 示例:查看当前 YTD 起始日 你可以加一段调试代码来验证逻辑是否正确: ```python # 调试:打印各个区间的起始时间(以最后一个日期为基准) last_date = df.index[-1] print(f"最新交易日: {last_date}") print("各区间起始日:") print("YTD:", pd.Timestamp(year=last_date.year, month=1, day=1)) print("1Y: ", last_date - pd.DateOffset(years=1)) print("6M: ", last_date - pd.DateOffset(months=6)) print("3M: ", last_date - pd.DateOffset(months=3)) print("1M: ", last_date - pd.DateOffset(months=1)) ``` 输出示例: ``` 最新交易日: 2024-03-28 各区间起始日: YTD: 2024-01-01 1Y: 2023-03-28 6M: 2023-09-28 3M: 2024-01-28 1M: 2024-02-28 ``` 这些日期就是每个区间的“开始日”,之后用它们做布尔索引就能提取对应时间段的数据。 --- ### ✅ 总结:你现在可以继续了! 只要你完成了以下几步: 1. ✅ 成功将 `Date` 转为 `datetime64[ns]` 2. ✅ 执行了 `df.set_index('Date')` 和 `sort_index()` 3. ✅ 使用基于 `idx`(即 DatetimeIndex)的过滤函数 那么之前的两个错误(`float64 has no attribute year` 和 `>= not supported`)都已彻底解决,现在可以放心运行完整的绩效分析代码。 --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值