数学建模必知必会---Python基础篇（三）

1.文件的读写相关操作

文件的这个读取，其实在我们的数学建模比赛里面用的很多，但是和下面的这个只是还是有区别的，下面的这个展示的是读取文本文件，但是我们数学建模比赛里面主要是读取的这个excel或者是csv之类的，这个是需要我们掌握的，但是下面的这个也可以看一下把，有一些部分还是相同的；

1. 例如这个./表示的是当前路径下面（这个涉及到绝对路径和相对路径，不理解可以百度一下）；
2. r表示的是读取文件的操作，英文就是read操作吗，这个是一样的；
3. encoding就是指的这个文件的编码的方式，字符集是utf-8，这个一般是默认的，但是可以写上去
4. readline就是读取一行的数据，lines就是读取全部的数据；

上面的这个文件的读取，下面的这个是写入：

write对吧，所以这个和上面基本一致，就是这个r修改成为这个w就可以了，还有一点需要注意的是，我们多次写入的时候可能会出现覆盖的内容，就是第二次的覆盖掉第一次的，所以需要注意不要让他进行覆盖式的写入；

读取文件的时候，这个文件是必需要存在的，但是写入的时候，对应文件不存在也是没问题的，因为这个时候运行起来会自动创建；

刚开始文件里面没内容，直接使用w写入，然后这个时候文件有了内容，我们使用这个a进行文件内容的追加，就是不要让他覆盖式写入，这个是需要我们注意的；

2.异常，测试和高阶函数

关于这个内容，我觉得我们参加数学建模比赛了解这些东西用处不大，异常，测试，这些内容都是我们去写一个项目代码的时候需要考虑的，我们进行这个数学建模比赛时候的这个代码完全不至于到这个程度；

高阶函数就是函数的参数是一个函数，实际上类似于C语言里面的指针，我觉得这个我们比赛的也用不到，所以这个不分我不会展开说明，大家了解就可以了；

3.Numpy数组

这个部分就非常的重要了，这个是你学习数学建模必不可缺的一个步骤，numpy其实很常用，相当于这个99乘法表在数学学习里面的作用，看到这里，你是不是意识到了这个Numpy的重要性了；

numpy创建的是数组，其实这个数组长得和列表很像，但是有下面的两个区别：

1. numpy数组里面的所有元素的这个数据类型都是一样的，但是列表没有这个要求；
2. numpy数组处理起来的这个效率远远超过我们的这个list列表，这个也是numpy非常出名的一个重要的原因，因此建模里面，numpy经常使用，但是这个list却很少见到；
3. 下面的这个就是创建一维数组和二维数组的方法；
4. numpy是一个第三方模块，就是我们之前介绍的，模块分为内置的和第三方的，所以这个需要使用pip包管理器进行这个模块的安装，安装之后我们才可以使用；
5. 首先我们需要导入这个模块，使用的就是import numpy as np，这个实际上就是对于我们的这个模块进行重新命名的操作，这样的话，我们后面就可以简写，不用谢numpy五个字符，而是简写成np两个字符（没想到吧，程序员就是这么的懒）；
6. 如何进行区分这个数组维度呢，我们就去看这个打印结果里面的这个数据左边的方括号的个数（不要看圆括号），圆括号表示的是这个数据类型是数组，但是判断这个维度需要使用方括号判断，也就是下面的这个样子；
7. 即使是一维数组，我们使用这个np.array把我们的列表转换为数组的时候，打印结果也是会包含这个圆括号的，二维数组也是类似的道理；

创建序列数组：下面的这个就是使用arange创建数组，这个里面包含了三个参数，分别是起始数字，终止数值和这个对应的步长（其实和matlab里面的这个方法是一致的）；

下面的这个是使用concatenate方法进行这个数组直接的拼接组合，参数就是几个需要进行组合的数组

下面的这个也是很常见的一个写法：就是我们的条件筛选；

arr1就是一个数组，如果我们直接筛选，这个时候返回的就是true或者是flase，但是如果吧这个arr1<1作为条件索引进行筛选，这个时候打印的就是这个数组里面的符合条件的数据，这个在我们的数学建模里面还是很常见的我觉得；

如果是上面的这个题目里面的或条件，就是arr1[(arr1<1)|(arr1>3)],这个实际上就是一个逻辑表达式；

4.pandas入门

pandas也是一个第三方的模块，他和numpy很相似，但是他是继承自这个numpy，有自己独特的优势，那么我们下面开始看一下这个pandas的不同之处吧；

4.1Series的创建

导入模块：其实第一步还是安装这个第三方的模块，其次才是进行这个模块的导入，导入的方法和我们的numpy很相似，简写就是pd;

我们引入的这个对应的模块之后，就可以开始使用了：下面的这个就是创建Series的方法，这个Series可以理解为一个数据结构，也就是一类数据，其实就是数据类型，可以这么理解；

我们可以发现这个Series打印的结果，除了这个对应的数组里面的数据，还有这个对应的索引以及这个数据的类型；

4.2单独获取

上面我们直接创建这个Series发现这个打印结果是有两个部分组成的，一个就是values，一个就是对应的索引，因此这个我们可以使用下面的方式单独获取；

单独获取数据，就使用这个values属性；

单独获取索引，就使用这个index属性；

4.3Series里面的索引和切片

这个其实在我们的数组里面也是存在的，所以这个地方只是列取出来，证明我们的这个Series存在这个方法，大家获悉即可；

4.4两个索引方式

我们的这个下面的创建Series的时候，除了这个里面的参数，我们传递了这个index，就是这个默认的索引实际上就是0,1,2,3,4这样的，但是我们也是可以自己制定的，下面的这个1,3,5,7,9就是对应的五个元素的索引，这个是一个需要注意的地方；

4.5loc和iloc索引

上面介绍了这个两个索引方式，我们可以自己制定，也可以按照这个默认的，但是这样很容易出现混淆，因此出现了这个loc和iloc的方法，这个loc实际上就是location，loc表示的就是按照标签进行索引，也就是我们自定义的标签，iloc就是位置索引，这个就是默认的0,1,2,3,4这样的索引；

4.5关于开区间和闭区间的问题

就是下面的这个loc实际上就是标签索引，这个5到3实际上就是去打印这个数组里面的5标签这个索引对应的数值和3标签的这个索引对应的数值之间的所有元素；

但是这个loc使用标签索引是右边的闭区间，就是这个3标签对应的数值也会打印显示出来；

我们之前学习切片的时候，使用的就是左闭右开区间，右边的这个对应数值是不会打印出来的；