Python

一，字面量

二，注释，运算符，标识符，数据类型转换

三，判断语句

四，循环语句

五，函数

六，机器学习工具

一， 字面量

使用input()语句可以从键盘获取输入

使用print()语句可以从键盘输出

1.数字数据类型

int（整数）、float（浮点数）、bool（布尔型）（True /False）、complex（复数）（eg：4+2j）

注意：在Python中浮点类型只有单精度float。

           判断该数字的数据类型使用type()函数。

2.字符串：

（1）在Python中，用引号括起的都是字符串，其中的引号可以是单引号，也可以是双引号。

（2）要在字符串中插入变量的值，可在前引号前加上字母f，再将要插入的变量放在花括号内。

（3）要在字符串中添加制表符，可使用字符组合\t ， 要在字符串中添加换行符，可使用字符组合\n，还可在同一个字符串中同时包含制表符和换行符。字符串"\n\t" 让Python换到下一 行，并在下一行开头添加一个制表符。

（4）

格式符号	转化
%s	将内容转换成字符串，放入占位位置
%d	将内容转换成整数，放入占位位置
%f	将内容转换成浮点型，放入占位位置

3.列表：

（1）创建一个空列表：a=[]

访问列表中的某个元素：a=[索引]

访问列表的最后一个元素：a=[-1]

列表的切片a[::],逆序a[::-1]

（2）列表的方法

1. 列表.append(元素)——在列表末尾添加一个元素
2. 列表.extend(序列）——在列表末尾追加一个序列
3. 列表.insert(索引，元素）——在列表对应的索引插入元素
4. del列表[索引]——删除列表中对应索引的元素
5. 列表.pop(索引）——删除列表中对应索引的元素，并返回删除的元素，默认最后一个。
6. 列表.remove(元素）——删除列表中对应元素的第一个匹配项
7. 列表.clear()——清空列表
8. 列表[索引]=新元素——将列表对应索引的元素，修改为新元素
9. 列表.index(元素）——返回元素对应的索引

（3）列表推导式 

[表达式 for 变量 in 列表]

[表达式 for 变量 in 列表 if 条件]

例如：输出列表，里面包括从1-20，输出列表，里面包括1-20中的偶数

a=[x for x in range(1,21)]

print(a)

[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]

b=[x for x in range(1,21) if x%2==0]

print(b)

（4）列表函数

len()——列表的长度

a=[11,22,33,44,55]

Print(len(a))

注意：

+可以连接两个列表，得到一个新的列表

 *可以用于一个列表和一个整数，实现列表的复制

a=[1,2,3]

b=['A','B','C']

print(a+b)

print(a*3)

sum（）函数——将列表中的所有数相加

a=[11,22,33]

print(sum(a))

(5) in 和not in操作符

In——判断某个元素是否在列表中；判断某个字符或字符串是否在字符串中

Not in——判断某个元素是否不在列表中；判断某个字符或字符串是否不在字符串中

输出值可为布尔值，即True，False

(6)

enumerate()函数

在for循环中迭代，每次返回两个值：列表表项的索引和列表表项本身。

random.choice()函数

将从将列表中返回一个随机选择的表项。

Random.shuffle()函数

将对列表中的表项重新排序，该函数将就地修改列表，而不是返回新列表

(7) 排序

sort（）可以对列表永久排序

列表.sort(reverse=True/False)

sorted()可以对列表进行临时排序

sorted（列表名，reverse=True/False）

reverse=True时，按降序排序。

reverse=False时，按升序排序。

(8) 多重赋值

在一行代码中，用列表中的值为多个变量赋值

例如：cat = ['fat','black','loud']

size,color,disposition=cat

4.元组：

元组输入时用（），不用[]。

元组的值无法修改，添加，删除。

(1)元组操作

创建一个空元组——a=（）

创建包含一个元素的元组——b=（元素，）————包含一个元素的元组必须有逗号

创建元组——c=(元素1，元素2，）

(2)元组的访问

获取一个元素——元组序列（所有）

获取多个连接的元素——元组序列[开始索引，结束索引]

(3)元组的操作

Index()——从元组中找出某个对象第一个匹配项的下标位置

Count()——统计某个元素在元组中出现的次数

Len()——计数元组元素的个数，并返回值

Max()——返回元组中元素的最大值

Min（）——返回元组中元素的最小值

5.集合：

可以使用{}或者set（）函数创建集合，创建一个空集合必须为set（）

集合序列.add(数据)——添加一个数据

集合序列.update(序列数据）——添加序列

集合序列.remove(数据)——删除集合中指定的数据

集合序列.pop()——随机删除集合中的某个数据

集合序列.discard(数据）——删除集合中指定的数据

6.字典：

(1)字典访问

访问值——字典序列[键]——访问已知键所对应的值

修改值——字典序列[键]=新值——修改已知键的值

添加键值对——字典序列[新键]=新值——添加新的键值对

del字典序列[键]——删除字典中对应的键的键值对

del字典序列——删除字典

字典序列.clear()——清空字典

字典序列.keys()——查找字典的所有的key

字典序列.values()——查找字典的所有value

(2)使用enumerate()函数枚举键值对

enumerate(序列，start=0)其中start=0为默认开始值为0

(3)Get()方法

a={'apple':2,'banana':3}

print('I have '+str(a.get('orange',0))+' oranges.')

print('I have '+str(a.get('apple',0))+' apples.')

(4)Setdefault()方法

a={'apple':2,'banana':3}

print(a.setdefault('orange',10))

print(a.setdefault('apple',10))

二，注释，运算符，标识符，数据类型转换

1.    单行注释以 #开头

       多行注释： 以 一对三个双引号 引起来

2.数据类型转换

语句	说明
int（x）	将x转换为一个整数
float(x)	将x转换为一个浮点数
str(x)	将对象 x 转换为字符串

3.算术运算符

 

4.复合运算符

5.标识符

标识符： 是用户在编程的时候所使用的一系列名字，用于给变量、类、方法等命名

标识符命名中，只允许出现： 英文 中文 数字 下划线（_） 这四类元素。

注意：不推荐使用中文，数字不可以开头，且不可使用关键字

三，判断语句

1. if语句的基本格式

if 要判断的条件:
    条件成立时，要做的事

• 判断条件必须是布尔类型
• True会执行if内的代码语句
• False则不会执行
• 判断语句后的冒号: 不要忘记
• 归属于if判断的代码块，需要有4个空格缩进，或一个tab

2. if else语句

if 条件:
    满足条件时，要做的事情
else:
    不满足条件时，要做的事情

• else后不需要条件
• 与if一致，else后的代码块也需要4个空格作为缩进,或一个tab

3.if elif else语句

if 条件:
    满足条件时，要做的事情
elif 条件:
    满足条件时，要做的事情
else:
    不满足以上条件时，要做的事情

• elif可以写多个
• 判断是互斥且有序的，上一个满足后就不会进行判断了

4.判断语句的嵌套 

if 条件1:
    满足条件1所做的事情
    if 条件2:
        满足条件2所做的事情
elif 条件3
    满足条件三所做的事情
    if 条件4:
        满足条件4所做的事情
    elif 条件5:
        满足条件5所做的事情
    else:
        满足条件3不满足条件4，5所做的事情
else:
    if 条件6:
        满足条件6所做的事情
    else:
        都不满足所做的事情

• 嵌套的关键点是：空格缩进
• 通过空格缩进来决定语句的层次关系
• 嵌套判断语句可以根据需求，自由组合来构建多层次判断

四，循环语句

Python里面提供了三种循环方式：

1.while 循环：在给定的判断条件为 true 时执行循环体，否则退出循环体。

while 条件：
    语句1

2.for 循环：重复执行语句

for 【迭代变量】 in 【序列项目】:
   语句1

3.嵌套循环：while 循环 和 for循环 之间的嵌套

#for 循环里面嵌套 for 循环

for 【迭代变量】 in 【序列项目】:
   for 【迭代变量】 in 【序列项目】:
      语句1
   语句2

#while 循环里面嵌套 while循环

while 条件1：
    while 条件2：
        语句2
    语句1

# for循环里面嵌套while循环
for 【迭代变量】 in 【序列项目】:
    while 条件1：
        语句1
   语句2
 
# while循环里面嵌套for循环
while 条件1：
   for 【迭代变量】 in 【序列项目】:
      语句2
    语句1

Python里面提供了三个循环控制语句：

• break 语句
• continue 语句
• pass 语句

控制语句	描述
break 语句	在循环语句执行过程中终止循环，并且跳出整个循环
continue 语句	在循环语句执行过程中终止当前循环，跳出该次循环。执行下一次循环。
pass 语句	pass是空语句，是为了保持程序结构的完整性。

range函数的使用方法：

range(start,stop[,step])

• start：开始数值，默认为0,也就是如果不写这项，就是认为start=0
• stop：结束的数值，必须要写的。
• step：变化的步长，默认是1,也就是不写，就是认为步长为1。坚决不能为0

关于range的范围理解，range（100,1000）是从100到999。

相当于前一个数是闭区间，后一个数是开区间,

② 关于%的理解，取余数，例：7%4结果为3

③关于/ ，//的理解，/表示浮点数除法，返回浮点数（即小数值），例：8/4结果为4.0；//表示整数除法，返回整数值，例：7//3结果为2

五，函数

1. 定义函数

Def 函数名（）：

函数语句

调用函数名:

函数名（）

返回值：

Def 函数名（）：

函数语句

Return 返回值

形参和实参（个数保持一致）：

定义格式：

Def 函数名（形参1，形参2）：

函数体

调用格式（实参1，实参2）

位置参数

Def 函数名（形参1，形参2）：

函数体

函数名（实参1，实参2）

默认参数

Def 函数名（形参1=数据，...）：

函数体

不定长参数

Def 函数名(*args):

函数体

函数名（实参1，实参2,...）

Def 函数名(kwargs):

函数体

1. 参数定义顺序：
2. 作用域：局部作用域（nonlocal），全局作用域（global）。
3. 修改作用域：

2.函数参数

• 定义时小括号中的参数，用来接收参数用的，称为 “形参”
• 调用时小括号中的参数，用来传递给函数用的，称为 “实参”

3.全局变量： 在函数和类定义之外声明的变量。全局变量的缩进为0，作用域为定义的模块，从定义位置开始直到模块结束。

局部变量：在函数体中声明的变量。(包括形参变量也是局部变量)。

如果局部变量和全局变量同名，如果对同名变量进行赋值操作，则在函数内隐藏全局变量，只使用同名的局部变量

六，机器学习工具

工具	作用
matplotlib	画图工具
numpy	表格处理工具
padas	信息处理工具

（一）matplotlib 

1.导入库：import matplotlib.pyplot as plt

2.创建画布：plt.figure(figsize = (a,b),dpi = )

3.绘制图像：plt.plot(x,y.color = '',linestyle = ''，marker = '',linestyle='',label='')

颜色：

颜色	说明	颜色	说明
r	红色	g	绿色
b	蓝色	w	白色
c	青色	m	洋红
y	黄色	k	黑色

标记风格：

标记字符	说明	标记字符	说明
'.'	点标记	','	像素标记(极小点)
'v'	倒三角标记	’^‘	上三角标记
'>'	右三角标记	'<'	左三角标记
'1'	下花三角标记	'2'	上花三角标记
'3'	左花三角标记	'4'	右花三角标记
'o'	实心圈标记	's'	实心方形标记
'p'	实心五角标记	'*'	星形标记
'h'	竖六边形标记	'H'	横六边形标记
'+'	十字标记	'x'	x标记
'D'	菱形标记	'd'	瘦菱形标记

线条样式：

样式	说明
’-‘	实线
’--‘	虚线
’-.‘	点划线
':'	点虚线

4.增加自定义x，y刻度：

plt.xticks(x,rotation=,fontsize=)
plt.yticks(y,rotation=,fontsize=)

5.设置x，y标签和标题

plt.xlabel(,fontsize=)
plt.ylabel(,fontsize=)
plt.title(,fontsize=)

6.增加网格显示：   plt.grid(True,linestyle=,alpha=)

7.设置图例位置：   plt.legend(loc=)

位置	描述	对应数字
best	最佳位置	0
upper right	右上方	1
upper left	左上方	2
lower left	左下方	3
lower right	右下方	4
right	右边	5
center left	中间左边	6
center right	中间右边	7
lower center	下方中间	8
upper center	上方中间	9
center	正中心	10

8.显示图像：plt.show()

9.中文显示问题：   plt.rcParams['font.sans-serif'] = ['SimHei'] 

10.折线图：

散点图：plt.scatter(x,y)

柱状图：plt.bar(x,width=,height=,label=,alpha=,align=,color=)

直方图：plt.hist(x,bins=None)

饼图：plt.pie(x,explode=None,labels=None,autopct=None,pctdistance=0.6,shadow=False,
labeldistance=1.1,startangle=None,radius=None,counterclock=True,wedgeprops=None,
textprops=None,center=(0,0),frame=False,rotatelabels=False,*,data=None)

例题：

# 导入matplotlib.pyplot，pandas并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt
import pandas as pd
#设置字体，防止乱码
plt.rcParams["font.sans-serif"] = ["SimHei"]
#读取文件
data = pd.read_csv(r"D:\python1\数据集1.csv")
#将date转换为时间类型数据
data["Date"] = pd.to_datetime(data["Date"])
#求出死亡率
DeathRate = data["Deaths"]/data["Confirmed"]
#根据题目绘制折线图
plt.plot(data["Date"],DeathRate,color = "orange",marker = "o",label = "每日死亡率")
plt.xlabel("日期")
plt.ylabel("死亡率")
plt.title("2020年1月22日至2020年7月27日病毒死亡率走势")
plt.legend()
plt.show()

 

# 导入matplotlib.pyplot,numpy,pandas
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from scipy.stats import norm

np.random.seed(42)

row = 10000
index = np.arange(1,row + 1)
 #使用np.random.randint(初始值，结束值，个数)输出随机数
count = np.random.randint(0,10001,size = row)
class_data = np.random.choice([1,2,3,4,5],size = row)
normal = np.random.uniform(0,10001,size = row)
#np.random.rand(个数)一般输出的随机数一般范围在-1.96~1.96之间
zero = np.random.rand(row)
#保存数据csv
data={'index':index,'count':count,'class':class_data,'normal':normal,'0-1':zero}
df = pd.DataFrame(data)
df.to_csv('generated_data.csv',index = False)

data = pd.read_csv('generated_data.csv')
normal_data = data['normal']

mu,std = norm.fit(normal_data)
plt.hist(normal_data,bins = 50,density= True,alpha = 0.5, color = 'r')
#根据题目绘制折线图
xmin,xmax = plt.xlim()
#np.linspace(start, stop, num, endpoint) 创建等差数列，指定数量
x = np.linspace(xmin,xmax,100)
p = norm.pdf(x,mu,std)
#绘制图像（横轴，纵轴，颜色，线条宽度）
plt.plot(x,p,'k',linewidth = 2)
#设置x,y标题
plt.xlabel('value')
plt.ylabel('Frequency')
#设置图例位置
plt.legend(['Normal_distribution','Data'])
#添加网格显示
plt.grid(True)
#显示图像
plt.show()

data = pd.read_csv('generated_data.csv')
class_counts = data['class'].value_counts()
#根据题目绘制折线图
plt.figure(figsize = (8,8))
plt.pie(class_counts,labels = class_counts.index,autopct = '%1.1f%%',startangle = 140)
plt.title('Disribution of classes')
plt.show()

data = pd.read_csv('generated_data.csv')
plt.rcParams["font.sans-serif"] = ["SimHei"]
class_sum = df.groupby('class')['count'].sum()
plt.figure(figsize=(10,7))
class_sum.plot(kind='bar',color='green',edgecolor='black')
plt.title('各类别总计柱状图',fontsize='20')
plt.xlabel('类别',fontsize='15')
plt.ylabel('总数',fontsize='15')
plt.yticks(np.linspace(0,10000000, 11))
plt.tick_params(labelsize=15)
for a, b in enumerate(class_sum): #标记每列数值
      plt.text(a, b, str(b),ha='center',va='bottom',fontsize=12)
plt.show()

data = pd.read_csv('generated_data.csv')

plt.figure(figsize=(8, 6))
plt.hist(data['count'], bins=10, color='azure', edgecolor='black')

plt.xlabel('Count')
plt.ylabel('Frequency')
plt.title('Distribution of Counts in Ten Bins')
plt.grid(True)
plt.show()

data = pd.read_csv('generated_data.csv')

support_rates = data.groupby('class')['0-1'].mean()

plt.figure(figsize=(8, 6))
colors = ['azure' if team == 1 else 'skyblue' for team in support_rates.index]
plt.bar(support_rates.index, support_rates, color=colors)

plt.xlabel('Team')
plt.ylabel('Support Rate')
plt.title('Support Rate for azure and skyblue Teams')
plt.ylim(0, 1)
plt.show()

（二）numpy

1.导入库：import numpy as np

2.创建       data = np.array()

名称	作用
data.shape	查看数组的维度（以元组的形式输出）
data.ndim	查看数组维数
data.size	查看数组中的元素数量
data.itemsize	查看一个数组元素的长度
data.dtype	查看数组元素的类型

3.从现有数组中生成

data1 = np.array(data)
data2 = np.asarray(data)

4.生成固定范围内的数组

创建等差数组，指定数量（步长自动计算） ：np.linspace(start, stop, num, endpoint)

 创建等差数组，指定步长（数量自动计算） ：np.arange(start,stop,step,dtype) 

创建等比数组，生成以10的N次幂的数据 ：  np.logspace(start,stop,num)    

5.生成随机数组

np.random模块

正态分布：

（1）导入库：import random

（2）np.random.randn(d0,d1,d2,……,dn)

（3）np.random.normal(loc = 0.0,scale = 1.0,size = None)

（4）np.random.standard_normal(size = None)

均匀分布：

（1）np.random.rand(d0,d1,d2,……,dn)

（2）np.random.uniform(low = 0.0,high = 1.0,size = None)

（3）np.random.randint(low, high = None,size = None,dtype = 'i')

（三）pandas

1.导入库：import pandas as pd

2.画图：dataframe.plot(kind='line')

 3.DataFrame运算

元素相加，维度相等时找不到元素默认用fill_value

dataframe.add(dataframe2, fill_value = None, axis = 1)

元素相减，维度相等时找不到元素默认用fill_value

dataframe.sub(dataframe2, fill_value = None, axis = 1)

元素相除，维度相等时找不到元素默认用fill_value

dataframe.div(dataframe2, fill_value = None, axis = 1)

元素相乘，维度相等时找不到元素默认用fill_value

dataframe.mul(dataframe2, fill_value = None, axis = 1)

4.文件读取：

    pd.read_csv(filepath_or_buffer,sep = ',',usecols = None)

    pd.read_hdf(path_or_buffer,key = None,**kwargs)

    pd.read_json(path_or_buffer = None,orient = None,typ = 'frame',lines = False)

（四）高级数据处理

1.删除存在缺失值的对象    dataframe.dropna(axis = 0)

2.替换缺失值  dataframe.fillna(value, inplace = True)

3.分组：pd.qcut(data, q)

统计分组次数：series.values_counts()

自定义分组：pd.cut(data,bins)

4.合并:

按照行或列进行合并   pd.concat([data1, data2], axis = 1)

可以指定按照两组数据的共同键值对合并或者左右各自    pd.merge(left, right, how = 'inner', on = None)

 5.交叉表：pd.crosstab(value1, value2)

透视表：

data.pivot .table()
DataFrame.pivot_table([],index = [])

6.分组：DataFrame.groupby(key, as_index = True)