python学习笔记（基础篇）

循环操作

python中的while、for循环

while循环

condition = 1
while condition < 10:
    condition = condition + 1
	print(condition)

此时输出为 2 3 4 5 6 7 8 9 10

for循环

example_list = [1,2,3,4,5,555,333,2,4]
for i in range(2,10,2):
    print(i)
    print("inner of for")
print('outer of for')

输出为
2
inner of for
4
inner of for
6
inner of for
8
inner of for
outer of for

定义函数

def function(a,b=5):
    print('this is a function')
    c = a+b
    print(c)
    
function(1)

其中b为默认参数，默认参数要写到参数最后，则输出为6

def report(name,*grades):
    total_grade = 0
    for grade in grades:
        total_grade += grade
    print(name,'tatol grade is:',total_grade)

report('Mike',90,60,89)

其中*grades可以表示为多个参数，输出结果为90、60、89的和

对于一些简单的函数，可以使用lambda行内函数表示如下：

f = lambda x: x + 2  #定义函数f(x)=x+2

全局变量与局部变量

APPLY = 100
a = None
def fun():
    global a
    a = 20
print(a)
fun()
print(a)

其中APPLY为全局变量，a一开始为全局变量，在定义的函数fun()将a global了，这样在函数中的a便成了全局变量，因此上面程序的输出为：None 20

数据结构

列表、元组

对于下述代码

a = [1,2,3]
b = []
for i in a:
    b.append(i + 2)
print(b)

可简化为

a = [1,2,3]
b = [i+2 for i in a]
print(b)

字典

创建字典

d = {'today':20, 'tomorrow':30}
d['tomorrow']

dict([['today',20],['tomorrow',30]])
dict.fromkeys(['today','tomorrow'],20)

库

numpy

numpy提供了数组功能

import numpy as np

a = np.array([2,0,1,5])
print(a)  #创建数组
print(a[:3])  #输出数组前三位
print(a.min())  #输出数组最小值
a.sort()  #将a的元素从小到大排序，此操作直接修改a
b = np.array([[1,2,3],[4,5,6]])  #创建二维数组
print(b*b)  #输出二维数组的平方阵

scipy

Scipy提供了矩阵，其功能包含最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解等。

from scipy.optimize import fsolve  #导入求解方程组的函数

def f(x):
    x1 = x[0]
    x2 = x[1]
    return [2*x1 - x2**2 - 1, x1**2 - x2 - 2]
result = fsolve(f,[1,1])  #求解f(x,y)=[1,1]
print(result)   #输出结果，为array([1.91963957, 1.68501606])

#数值积分
from scipy import integrate  #导入积分函数
def g(x):   #定义被积函数
    return (1-x**2)**0.5
pi_2, err = integrate.quad(g,-1,1)  #积分结果和误差
print(pi_2 * 2)    #由微积分知识指导积分结果为圆周率pi的一半

Matplotlib

主要用于二维绘图，也可以进行简单的三维绘图

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,10,1000) #作图自变量
y = np.sin(x) + 1   #因变量
z = np.cos(x**2) + 1   #因变量

plt.figure(figsize=(8,4))  #设置图像大小
plt.plot(x,y,label = '$\sin x + 1$', color = 'red', linewidth = 2)#作图，设置标签、线条颜色和大小
plt.plot(x,z, 'b--', label = '$\cos x^2 +1$')  #作图，设置标签、线条类型
plt.xlabel('Time(s)')
plt.ylabel('Volt')
plt.title('A Simple Example')  #标题
plt.ylim(0, 2.2)  #显示的y轴范围
plt.legend()    #显示图例
plt.show()      #显示作图结果

Pandas

Pandas是Python下最强大的数据分析和探索工具。支持类似于SQL的数据增、删、查、改，并且带有丰富的数据处理函数；支持时间序列分析功能；支持灵活处理缺失数据等。

s = pd.Series([1,2,3], index=['a', 'b', 'c'])
d = pd.DataFrame([[1,2,3],[4,5,6]], columns=['a', 'b', 'c'])
d2 = pd.DataFrame(s)
d.head()  #预览前5行
d.describe() #数据基本统计量

catering_sale = 'data.xlsx'
data = pd.read_excel(catering_sale, index_col=u'日期')   #制定日期为索引列