baidu_41805096的博客

目录：一、认识变量二、数据类型三、格式化输出四、输入及数据类型转换五、运算符六、

一、变量的作用：存储数据时，作为当前数据所在内存地址的名字。程序中，数据都是临时存储在内存中，为了更快速的查找或使⽤这个数据，通常我们把这个数据在内存中存储之后定义⼀个名称，这个名称就是变量。二、定义变量变量名 = 值定义变量名，要满足标识符命名规则。1、标识符标识符命名规则是Python中定义各种名字的时候的统一规范，具体如下：由数字、字母、下划线组成不能数字开头不能使用内置关键字严格区分大小写2、命名习惯见名知义。大驼峰：即每个单词首字母都大写，例如： MyNam

1、什么是数据的离散化连续属性的离散化就是在连续属性的值域上，将值域划分为若干个离散的区间，最后用不同的符号或整数值代表落在每个子区间中的属性值。2、为什么要离散化为了简化数据结构，数据离散化技术可以用来减少给定连续属性值的个数。离散化方法经常作为数据挖掘的工具扔掉一些信息,可以让模型更健壮,泛化能力更强3、离散化之pandas.cut()等宽分箱或自定义分组等宽分箱import pandas as pdimport numpy as np'''pd.cut(x, bins,

一、透视表透视表(pivottable)是各种电子表格程序和其他数据分析软件中一种常见的数据汇总工具。它根据一个或多个键对数据进行聚合，并根据行和列上得分组建将数据分配到各个矩形区域中。在Python和pandas中，可以通过groupby功能以及（能够利用层次化索引的）重塑运算制作透视表。DataFrame有一个pivot_table方法，此外还有一个顶级的pandas.pivot_table函数。除了能为groupby提供便利之外，pivot_table还可以添加分项小计（也叫margins）。

一、分组 (groupby)(一) groupby 对象1、分组运算过程：split->apply->combine拆分：根据提供的一个或多个键拆分成多组应用：每个分组运行的计算规则合并：把每个分组的计算结果合并起来2、分组操作：groupby()进行分组，GroupBy对象没有进行实际运算，只是包含分组的中间数据数据如下：按列分组 obj.groupby(‘label’)此时label为分组后数据的索引grouped =book_data.groupby('

一、重复值处理一般保留第一条重复数据，对其他重复数据进行移除。判断重复值 df.duplicated'''df.duplicated(subset=None, keep='first')参数说明：subset：列标签，默认使用所有列，若只考虑用某些列来识别重复项，可指定列keep，默认first,保留重复值的第一项， 也可以指定last,保留最后一项重复值数据返回的是一个视图'''数据：判断重复数据tran_data.duplicated()T

一、合并数据集1、pandas.merge ：根据一个或多个键将不同DataFrame中的行连接起来。2、pandas.concat： 可以沿着一条轴将多个对象堆叠到一起3、实例方法conbine_first： 将重复数据编结到一起，用一个对象中的值填充另外一个对象的缺失值。二、pandas.merge：数据库风格的DataFrame合并数据准备：import pandas as pdimport osos.chdir('E:\学习文档\data')os.getcwd()stud

一、层次化索引：在一个轴上拥有多个索引（两个及以上），它使得我们能以低纬度形式处理高纬度数据。层次化索引在数据重塑和基于分组的操作（透视表的生成）中扮演重要角色。简单的说，层次化索引就是轴上有多个级别的索引。二、带层次化索引的Series数组对象1、创建带层次化索引的Series数组对象import pandas as pdimport numpy as npdata = pd.Series(np.random.randint(1,10,10),index=[['a','a','a','b'

一、索引1、索引的基本设置1.1、设置行索引DataFrame.set_index() 设置索引准备数据：import pandas as pdstock_data = pd.read_csv('File/csv_files/stock_day.csv')# pd.head()默认查看前五行数据stock_data.head()设置索引'''DataFrame.set_index(keys, drop=True, append=False, inplace=False, v

一、基本数据结构1、Series：带标签（行索引）的一维同构数组长度不可改变2、DataFrame：既有行索引、又有列索引的二维异构数组大小可变二、Series的创建及其属性1、创建Series数组import pandas as pdimport numpy as np'''pd.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)参数说明： data：数组

一、随机数通过random模块生成随机数生成的都是伪随机数（依赖于我们给的初始种子）1、生成随机整数np.random.randint()创建指定区间[low, high)的随机整型数组 '''np.random.randint(low, high=None, size=None, dtype='l')参数说明：low：int类型，数据范围下限high：int类型，数据范围上限size：数组形状，int或元组类型函数作用：返回指定区间[low, high)的整型数组'''

Numpy提供了char模块，运用向量化运算方式处理字符串数据。char模块提供常用的字符串操作函数，如连接、切片、删除、替换等

一、文件的读取1、np.genfromtxt():可读取csv、txt类型文件'''np.genfromtxt(frame,skip_header,dtype,usecols,encoding=,delimiter=None)常用参数说明：frame：带路径或不带路径的文件skip_header：指定从第几行开始读取文件（通常skip_header = 1，跳过第一行的列名，从第二行开始读取）dtype：指定读取出来存储的数据类型usecols：（list）指定需要读取的列（指定列的索引

一、NumPy运算特点：1、向量化运算，运算速度快。2、利用广播机制，对不同形状的数组进行算数运算。3、数组通用函数能对数组中所有元素进行操作。二、数组运算1、算数运算1.1、算数运算符import numpy as np# 准备数据a = np.array([2,4,1])a# array([2, 4, 1])# 数组与数进行加法运算a + 1# array([3, 5, 2])# 数组与数进行除法运算a / 2array([1. , 2. , 0.5])'''

一、修改数组的形状（ 一）、单个数组形状的修改1、数组形状的普通修改1.1、ndarry.reshape()'''reshape(shape)shape:填入生成的数组形状（元组）特点：1、有返回值，返回一个视图2、不直接作用于原数组（不改变原数组的形状）'''import numpy as npn1 = np.array([[2,4,3,2],[8,4,2,9],[8,3,4,9]])n1# array([[2, 4, 3, 2],# [8, 4, 2,

一、定义：1、NumPy是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等。2、NumPy的核心是ndarray对象（n–任意个，d–dimension维度，array–数组），ndarray对象有属性和方法。封装了python原生的同数据类型的 n 维数组。（可以理解为具有相同数据类型的item的集合）

一、拷贝与视图（一）拷贝1、浅拷贝：对另外一个变量的内存地址的拷贝，这两个变量指向同一个内存地址的变量值。（如果其中一个变量的值改变，另外一个也会改变。）（1）np.asarray(a, dtype=None, order=None)（2）数组b = 数组a2、深拷贝：一个变量对另外一个变量的值拷贝特点：（1）两个变量指向的内存地址不同（2）拷贝完后，变量之间值的改变互不影响ndarray.copy()（二）视图ndarray.view()创建一个查看相同数据的新数组对象，

一、定义：1、NumPy是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等。2、NumPy的核心是ndarray对象（n–任意个，d–dimension维度，array–数组），ndarray对象有属性和方法。封装了python原生的同数据类型的 n 维数组。（可以理解为具有相同数据类型的item的集合）

纵向柱状图# 对比每部电影的票房收入from matplotlib import pyplot as pltplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False# 1、准备数据movie_names = ['雷神3：\n诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']print(len

#假设通过爬虫你获取到了某市2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?from matplotlib import pyplot as pltplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falsey_a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,1

# 展现上海一周的天气,比如从星期一到星期日的天气温度如下from matplotlib import pyplot as plt# 设置图形字体为SimHei，显示中文（否则图形显示的时候中文会乱码）plt.rcParams['font.sans-serif']=['SimHei']# 设置正常显示字符plt.rcParams['axes.unicode_minus']=False# figsize(画布长宽)，dpi(图像倾斜度)plt.figure(figsize = (15,10),

# 设置图形字体为SimHei，显示中文（否则图形显示的时候中文会乱码）plt.rcParams['font.sans-serif']=['SimHei']# 设置正常显示字符plt.rcParams['axes.unicode_minus']=False此时图像区域的中文正常显示

1、可在清华大学开源软件镜像站下载安装包https://mirrors.tuna.tsinghua.edu.cn/2、检索anaconda，并点击3、选择miniconda4、下载适合的版本5、安装一路默认点击next6、添加环境变量将以下三个路径添加到环境变量path中7、验证安装是否成功cmd到黑窗口...

# -*- encoding: utf-8 -*-"""# **异常**1、含义：当检测到一个错误，解释器无法执行下去，并出现一些错误提示，即为异常。2、语法：try: 可能发生错误的代码except [Exception as 变量]: 出现异常执行的代码(打印变量)else: 未出现异常时执行的代码finally: 有没有异常都要执行的代码3、异常传递，即异常嵌套4、自定义异常 4.1、继承父类Exception 4.2、抛出异常 rai

# -*- encoding: utf-8 -*-"""面向对象之多态1、多态：一类事物有多种形态（最好依赖于继承，但不必须） 1.1、定义：多态是一种使用对象的方式，子类重写父类中的方法，调用不同子类对象的相同父类方法，可以产生不同的执行结果。 1.2、优点：调用灵活，更容易编写出通用的代码2、类属性和实例属性 2.1、类属性：类对象拥有的属性，被该类所有实例对象所共有 2.1.1、使用场景：记录某项指标，如果数据始终保持一致使用类属性 2.1.

1、封装1.1、将属性和方法写到类中的操作即为封装1.2、封装可以为属性和方法添加私有权限2、继承2.1、子类默认继承父类的所有方法和属性2.2、子类可以重写父类的方法和属性3、多态传入不同的对象，产生不同的结果...

“”"面向对象之【继承】1、继承的概念：1.1、多个事物（类）之间的所属关系，子类默认继承父类的所有方法和属性。1.2、所有类默认继承object类，object类称为顶级类或者基类，其他子类叫做派生类。2、继承的方式：2.1、单继承：子类只继承一个父类2.1.1、子类在继承的时候，在定义类时，小括号()中为父类的名字。语法：class 子类类名(父类类名):代码块2.1.2、父类的属性、方法，会被继承给子类.2.2、多继承：子类继承多个父类子类同时继承多个父类时，如果父类中有同名方

1、经典类：不由任意内置类型派生出的Python 2.X版本解释器下，默认类是按照经典类去解释处理的。class A: 代码块2、新式类:：创建的时候继承内置object对象Python 3.X版本解释器下，默认类是按照新式类去解释处理的。括号里面可以写我们自己书写的父类，不写默认是object（所有类的父类）class A(object): 代码块目前工作中使用的版本一般最低是3.5，所以重点关注新式类即可，可以了解一下经典类。...

# -*- encoding: utf-8 -*-"""# 面向对象1、类与对象基本含义： 1.1、类：具有相同属性和行为的事物的统称（如：水果） 1.1.1、类名要遵循标识符命名规则，也要遵循大驼峰命名习惯。 1.1.2、语法 class 类名（）： 代码 1.1.3、类里面有属性和实例化方法 1.2、对象：'类'创建出来的真实存在的事物（如：苹果） 1.1

# -*- encoding: utf-8 -*-"""# 文件操作1、作用：把一些内容（数据）存储起来，让程序下一次执行的时候直接使用，而不必重新制作一份2、文件的基本操作 2.1、打开文件：open(name,mode) name: 要打开的文件名（可包含路径） mode: 访问的模式，r 读、 w 写，a 追加 2.2、读写文件 2.2.1、写：文件对象.write('data')

# -*- encoding: utf-8 -*-"""# 函数——进阶1、递归函数： 1.1、应用场景：遍历一个文件夹下的所有文件；快排等一些算法 1.2、特点： 1.2.1、自己调用自己 1.2.2、必须有出口（否则陷入死循环，报错）2、lambda函数： 2.1、特点： 2.1.1、只有一个返回值 2.1.2、只有一句代码 2.2、语法：lambda 参数列表：表达式 2.2.1、参数可有可

# -*- encoding: utf-8 -*-"""# 函数应用——学员管理系统功能：1、添加学员2、删除学员3、修改学员信息4、查询学员信息5、显示所有学员信息6、退出系统步骤分析：1、显示功能界面2、用户输入功能序号3、根据用户输入的功能序号，执行不同的功能（函数）"""# 1、显示功能界面# 需要反复显示，封装在函数中def print_func_info(): print('*' * 20) print('欢迎来到学院系统') pri

# -*- encoding: utf-8 -*-"""# 函数1、函数的作用 ：将一段具有独立功能的代码块整合成一个整体并命名，在需要的位置调用这个函数 （封装代码更高效地实现代码重用）2、函数的使用步骤： 2.1、定义函数 2.2、使用函数3、函数的参数：让函数变得更加灵活4、函数的返回值：用return返回结果 4.1、return 表达式 4.2、退出当前函数，如果当前函数有代码块在return后面，将不会再执行 4.3、函数的返回

# -*- encoding: utf-8 -*-"""# 推导式（生成式） 简化代码1、列表推导式：用一个表达式创建或控制一个有规律的列表2、字典推导式：3、集合推导式："""# 实例1：创建一个1-10的列表# 1.1、while循环实现list1 = []i = 1while i <=10: list1.append(i) i += 1print(list1) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]# 1.2、for循环

# -*- encoding: utf-8 -*-"""# 公共方法1、运算符2、公共方法3、容器转换"""'''# 运算符运算符 描述 支持的容器类型+ 合并 字符串、列表、元组* 复制 字符串、列表、元组in /not in 元素是否存在 字符串、列表、元组、字典'''# 字符串str1 = 'Hello'str2 = 'Word'# 列

1、字符串 ------- 不可变数据类型，可迭代对象2、列表 ------- 可变数据类型，可迭代对象3、元组 ------- 不可变数据类型，可迭代对象4、字典 ------- 可变数据类型，可迭代对象5、集合 ------- 可变数据类型，可迭代对象# -*- encoding: utf-8 -*-"""# 数据类型1、数值类型 1.1、整数型：int 1.2、浮点型：float2、字符串类型：str3、列表：list4、元组：tuple5、字典：dict6、集合：s

# -*- encoding: utf-8 -*-"""# 集合1、应用场景：当需要存储不重复的一组数据时，使用集合类型2、特点： 2.1、{}括起，各数据元素逗号分隔 2.2、自动去重，集合中无重复数据 2.3、集合中的数据顺序是无序，且与代码中的数据的书写顺序不一定一致（无序所以不支持下标）3、常用功能：增加，删除，查询判断"""# 1、创建集合# 1.1、创建有数据的集合,用{}set1 = {1, 2, 3, 4, 5, 3}print(set1) # {1

# -*- encoding: utf-8 -*-"""# 字典1、应用场景：存储多个数据时，如果将来数据顺序发生变化，数据变化前后需要使用同一套标准来查询数据，则需要使用字段。 因为字典不支持下标，所以无论数据顺序怎么变化，都可以通过对应的key的名字查询到相应数据。2、特点 2.1、用{}来进行定义 2.2、数据以键值对形式出现 2.3、键值对之间以逗号分隔3、字典常用操作：增删改查"""# 1、字典的定义# 1.1、有数据的字典dict1

# -*- encoding: utf-8 -*-"""# 元组1、使用小括号定义元组，元组各数据由逗号隔开 -- （数据1，数据2，...）2、元组与列表的区别，列表中的数据可修改，元组数据不可修改，元组是不可变类型3、元组不支持修改，只支持查找"""# 定义元组# 定义多个数据的元组t1 = ('a', 'b', 'c')print(type(t1)) # <class 'tuple'># 定义单个数据的元组，切记一定要在单个数据后面加上逗号！# 不加逗号，数据

# -*- encoding: utf-8 -*-"""#列表1、列表的格式：[数据1，数据2，...]2、列表的常用操作 --增删改查"""'''#查1、下标2、index3、count4、in / not in : 判断元素是否存在'''# 下标，从0开始list1 = ['Amy', 'Lily', 'Tom', 'Lily']print(list1[0]) # Amyprint(list1[2]) # Tom# index--返回指定下标的数据，如果未找到，