Python初学者入门指南：从基础到实践的全面学习路径

Python学习笔记&＃xff08;持续更新&＃xff09;

5.Python 字典(Dictionary) items()方法

Python 字典(Dictionary) items() 函数以列表返回可遍历的(键, 值) 元组数组。

items()方法语法&＃xff1a;dict.items()

详解&＃xff1a;https://www.runoob.com/python3/python3-att-dictionary-items.html>

6.python中enumerate用法

enumerate参数为可遍历/可迭代的对象(如列表、字符串)
enumerate多用于在for循环中得到计数&＃xff0c;利用它可以同时获得索引和值&＃xff0c;即需要index和value值的时候可以使用

chars &＃61; {&＃39;我&＃39;: 16, &＃39;他&＃39;: 17, &＃39;你&＃39;: 18}
xChars &＃61; {i: j for i, j in enumerate(chars)}
print(xChars)


输出&＃xff1a;{0: ‘我’, 1: ‘他’, 2: ‘你’} 可以指定开始的索引值(如&＃xff1a;i&＃43;3&＃xff0c;默认0开始或者enumerate(chars,3))

7.python中的zip()函数用法

zip(Iterables)函数的对象Iterables&＃xff0c;iterables可以有多个参数&＃xff08;元组&＃xff0c;列表等可迭代对象&＃xff09;组成。通过zip()函数返回一组元组数据&＃xff0c;每个元组中的第i个元素对应每个Iterables参数中的第i个元素。如果iterables的参数如果元素个数不同&＃xff0c;则只返回元组的个数等于所有参数中元素最小的个数。

示例&＃xff1a;

a &＃61; [1, 2, 3]
b &＃61; [7, 8, 9, 10]
zipped &＃61; list(zip(a, b))
print(zipped)
print(list(zip(*zipped))) # zip(*)与zip()相反&＃xff0c;可理解为解压&＃xff0c;为zip的逆过程&＃xff0c;可用于矩阵的转置


输出&＃xff1a;

[(1, 7), (2, 8), (3, 9)]
[(1, 2, 3), (7, 8, 9)]


8.python 字典(Dictionary) 的get()方法

Python 字典(Dictionary) get() 函数返回指定键的值&＃xff0c;如果值不在字典中返回默认值。

get()方法语法&＃xff1a;

dict.get(key, default&＃61;None)


如&＃xff1a;{‘age’&＃xff1a;18&＃xff0c; ‘name’&＃xff1a;‘python’}&＃xff0c;key&＃61;age&＃xff0c;存在则返回18&＃xff0c;不存在返回none(可以设置为别的)。

也可以使用get()来统计一组数据不同值的个数&＃xff0c;如

lis &＃61; [1, 0, 1, 2, 1, 2, 0, 1]
dic &＃61; {}
for values in lis:dic[values] &＃61; dic.get(values, 0) &＃43; 1
print(dic)


{1: 4, 0: 2, 2: 2}


get()返回dic[values]的值&＃xff08;这里指的个数&＃xff09;&＃xff0c;如果第一次访问&＃xff08;即不存在&＃xff09;&＃xff0c;返回0&＃xff0c;否则返回对应的个数&＃xff0c;并在此基础上加一。

9.python中*args 和**kwargs的用法

当函数的参数不确定时&＃xff0c;可以使用*args和**kwargs&＃xff0c;*args 没有key值&＃xff0c;**kwargs有key值。

def fun(x, *args, **kwargs):"""注意调用顺序(传入的顺序不能乱&＃xff0c;对应于args&＃xff0c;和kwargs)"""print("x &＃61; ", x)print("args &＃61; ", args)print("kwargs &＃61; ", kwargs) # 以字典格式存放了所有的参数fun(1,2,3,x1&＃61;1, x2&＃61;2, x3&＃61;3) # x&＃61;1, args&＃61;(2,3), kwargs&＃61;{"x1": 1, "x2": 2, "x3": 3}


输出&＃xff1a;

x &＃61; 1
args &＃61; (2, 3)
kwargs &＃61; {&＃39;x1&＃39;: 1, &＃39;x2&＃39;: 2, &＃39;x3&＃39;: 3}


10.python中的super()函数用法

Python 3 可以使用直接使用 super().xxx 代替 super(Class, self).xxx,Class是super所在的类名&＃xff0c;xxx是函数名。

首先找到Class的父类&＃xff08;比如是类A&＃xff09;&＃xff0c;然后把类Class的对象转换为类A的对象&＃xff0c;然后“被转换”的类A对象调用自己的xxx函数(类A的)。

class FooParent(object):def __init__(self):self.parent &＃61; &＃39;I\&＃39;m the parent.&＃39;print (&＃39;Parent&＃39;)def bar(self,message):print ("%s from Parent" % message)class FooChild(FooParent):def __init__(self):# super(FooChild,self) 首先找到 FooChild 的父类&＃xff08;就是类 FooParent&＃xff09;&＃xff0c;然后把类 FooChild 的对象转换为类 FooParent 的对象super(FooChild,self).__init__() print (&＃39;Child&＃39;)def bar(self,message):super(FooChild, self).bar(message)print (self.parent) ####if __name__ &＃61;&＃61; &＃39;__main__&＃39;:fooChild &＃61; FooChild()fooChild.bar(&＃39;HelloWorld&＃39;)


输出&＃xff1a;

Parent
Child
HelloWorld from Parent
I&＃39;m the parent.


10.详解numpy的argmax()

argmax(test,axis)返回是test元素中最大值的索引&＃xff0c;axis &＃61; 1是取行的最大值的索引&＃xff0c;0是列的最大值的索引&＃xff0c;如果是多维数组但是没有加axis如argmax(test)则把多维数组当成一维数组处理&＃xff0c;按顺序找出最大值索引。

详解&＃xff1a;https://blog.csdn.net/weixin_38145317/article/details/79650188

11.python的 .split()用法

split()默认元素的空格(分隔)&＃xff0c;也可以在()中指定删除的符号

"This is a test string from Andrew".split()
[&＃39;This&＃39;, &＃39;is&＃39;, &＃39;a&＃39;, &＃39;test&＃39;, &＃39;string&＃39;, &＃39;from&＃39;, &＃39;Andrew&＃39;]


12.详解numpy的argsort()

argsort函数返回的是数组值从小到大的索引值

import numpy as np
x &＃61; np.array([3, 1, 2])
print(np.argsort(x))


[1 2 0]


np.argsort(-x) #按降序排列
x[np.argsort(x)] #通过索引值排序后的数组


二维&＃xff1a;

import numpy as np
x &＃61; np.array([[0, 3], [2, 2]])
print(np.argsort(x, axis&＃61;0)) #axis&＃61;0 按列排序 axis&＃61;1 按行排序


[[0 1][1 0]]


13.python之切片操作符(Slice)

切片操作符在python中的原型是 :[start:stop:step] ,即&＃xff1a;[开始索引:结束索引:步长值]

li &＃61; [1,2,3,4,5,6,7]
print li[2:4] #输出[3,4]。从索引2开始取&＃xff0c;到索引为4的5为止(不含5)
print li[-1] #输出7,反向取第一个
print li[-1:-5:2] #输出空列表[]&＃xff0c;从反向第1个向反向第5个取&＃xff0c;但步长为2,表示正向相隔二个取值。
print li[-1:-5:-2] #输出[7,5]
print li[1:]
#输出[2,3,4,5,6,7]&＃xff0c;省略终止索引&＃xff0c;表示取起始索引之后的所有值&＃xff0c;等效于li[1:len(li)]
print li[:3]
#输出[1,2,3]&＃xff0c;省略起始索引&＃xff0c;表示从0开始取&＃xff0c;等效于li[0:3]
print li[:]
#输出[1,2,3,4,5,6,7]&＃xff0c;省略起始索引、终止索引、步长值表示取全部&＃xff0c;等效于li[0:len(li):1]
print li[::]
#输出[1,2,3,4,5,6,7]&＃xff0c;省略起始索引、终止索引、步长值表示取全部&＃xff0c;等效于li[0:len(li):1]
print li[::-1]
#输出[7,6,5,4,3,2,1]&＃xff0c;省略起始索引、终止索引&＃xff0c;步长值为-1&＃xff0c;表示反向获取

14.python的date()和weekday()的简单用法

from datetime import date
a &＃61; date(2018,9,12) # a就为2018-9-12
a.weekday() #结果是当天星期几&＃xff0c;输出为2&＃xff0c;因为0表示星期一
#因为0~6表示星期一到星期日&＃xff0c;所以为了和现实表示一样的话&＃xff0c;则在后面&＃43;1即可
a.weekday()&＃43;1 #结果为3&＃xff0c;即当天星期三


15.python的replace()的用法

replace()方法语法&＃xff1a;

str.replace(old, new[, max])


• old – 将被替换的子字符串。
• new – 新字符串&＃xff0c;用于替换old子字符串。
• max – 可选字符串, 替换不超过 max 次

str &＃61; "this is string example....wow!!! this is really string"
print str.replace("is", "was")
print str.replace("is", "was", 3)


16python的pd.get_dummies()详解

pandas.get_dummies(data, prefix&＃61;None, prefix_sep&＃61;’_’, dummy_na&＃61;False, columns&＃61;None, sparse&＃61;False, drop_first&＃61;False, dtype&＃61;None)[source]

1. data&＃xff1a;可以是数组类型&＃xff0c;Series类型&＃xff0c;DataFrame类型

2. prefix&＃xff1a;可以字符串&＃xff0c;字符串列表&＃xff0c;或字符串的字典类型&＃xff0c;默认为None。将data的列名映射到prefix的字符串或者字典&＃xff1b;

3. drop_first:布尔型&＃xff0c;默认为False&＃xff0c;指是否删除第一列

import pandas as pd
import numpy as nps&＃61;pd.Series(list(&＃39;abca&＃39;))
s0&＃61;pd.get_dummies(s)
print(s)
print(s0)
&＃39;&＃39;&＃39;
0 a
1 b
2 c
3 a
dtype: objecta b c
0 1 0 0
1 0 1 0
2 0 0 1
3 1 0 0
&＃39;&＃39;&＃39;s1&＃61;[&＃39;a&＃39;,&＃39;b&＃39;,np.nan]
print(s1)
print(pd.get_dummies(s1))
print(pd.get_dummies(s1,dummy_na&＃61;True))
&＃39;&＃39;&＃39;
[&＃39;a&＃39;, &＃39;b&＃39;, nan]a b
0 1 0
1 0 1
2 0 0a b NaN
0 1 0 0
1 0 1 0
2 0 0 1
&＃39;&＃39;&＃39;df&＃61;pd.DataFrame({&＃39;A&＃39;:[&＃39;a&＃39;,&＃39;b&＃39;,&＃39;a&＃39;],&＃39;B&＃39;:[&＃39;b&＃39;,&＃39;a&＃39;,&＃39;c&＃39;],&＃39;C&＃39;:[1,2,3]})
print(df)
print(pd.get_dummies(df))
print(pd.get_dummies(df,prefix&＃61;[&＃39;col1&＃39;,&＃39;col2&＃39;]))
&＃39;&＃39;&＃39;A B C
0 a b 1
1 b a 2
2 a c 3C A_a A_b B_a B_b B_c
0 1 1 0 0 1 0
1 2 0 1 1 0 0
2 3 1 0 0 0 1C col1_a col1_b col2_a col2_b col2_c
0 1 1 0 0 1 0
1 2 0 1 1 0 0
2 3 1 0 0 0 1
&＃39;&＃39;&＃39;print(pd.get_dummies(pd.Series(list(&＃39;abcaa&＃39;))))
print(pd.get_dummies(pd.Series(list(&＃39;abcaa&＃39;)),drop_first&＃61;True))
&＃39;&＃39;&＃39;a b c
0 1 0 0
1 0 1 0
2 0 0 1
3 1 0 0
4 1 0 0b c
0 0 0
1 1 0
2 0 1
3 0 0
4 0 0
&＃39;&＃39;&＃39;print(pd.get_dummies(pd.Series(list(&＃39;abx&＃39;)),dtype&＃61;float))
&＃39;&＃39;&＃39;a b x
0 1.0 0.0 0.0
1 0.0 1.0 0.0
2 0.0 0.0 1.0
&＃39;&＃39;


17.python中pandas中Series()和DataFrame()的区别与联系

区别&＃xff1a;
series&＃xff0c;只是一个一维数据结构&＃xff0c;它由index和value组成。
dataframe&＃xff0c;是一个二维结构&＃xff0c;除了拥有index和value之外&＃xff0c;还拥有column。
联系&＃xff1a;
dataframe由多个series组成&＃xff0c;无论是行还是列&＃xff0c;单独拆分出来都是一个series。多个series也可以组合成dataframe

Series:

#Series 它是有索引&＃xff0c;如果我们未指定索引&＃xff0c;则是以数字自动生成。
obj&＃61;Series([4,7,-5,3])
print(obj)
#输出结果如下&＃xff1a;
# 0 4
# 1 7
# 2 -5
# 3 3
obj2&＃61;Series([4,7,-5,3],index&＃61;[&＃39;d&＃39;,&＃39;b&＃39;,&＃39;a&＃39;,&＃39;c&＃39;])
print(obj2)
#输出结果如下&＃xff1a;
# d 4
# b 7
# a -5
# c 3
#如果数据被存在一个python字典中&＃xff0c;也可以直接通过这个字典来创建Series.
sdata&＃61;{&＃39;Ohio&＃39;:35000,&＃39;Texax&＃39;:71000,&＃39;Oregon&＃39;:16000,&＃39;Utah&＃39;:5000}
print(Series(sdata))
#输出结果如下&＃xff1a;
# Ohio 35000
# Oregon 16000
# Texax 71000
# Utah 5000
#注&＃xff1a;如果只传入一个字典&＃xff0c;则结果Series中的索引就是原字典的键(有序排列)


DataFrame相当于有表格&＃xff0c;有行表头和列表头:

data &＃61; {&＃39;Country&＃39;:[&＃39;Belgium&＃39;, &＃39;India&＃39;, &＃39;Brazil&＃39;],&＃39;Capital&＃39;:[&＃39;Brussels&＃39;, &＃39;New Delhi&＃39;, &＃39;Brasilia&＃39;],&＃39;Population&＃39;:[11190846, 1303171035, 207847528]}
print(pd.DataFrame(data))
&＃39;&＃39;&＃39;Capital Country Population
0 Brussels Belgium 11190846
1 New Delhi India 1303171035
2 Brasilia Brazil 207847528
&＃39;&＃39;&＃39;
#　现在可以　构建几个series
s1 &＃61; pd.Series(data[&＃39;Country&＃39;])
s2 &＃61; pd.Series(data[&＃39;Capital&＃39;])
s3 &＃61; pd.Series(data[&＃39;Population&＃39;])
df_new &＃61; pd.DataFrame([s1, s2, s3], index&＃61;[&＃39;Country&＃39;, &＃39;Captital&＃39;, &＃39;Population&＃39;])
print(df_new)
&＃39;&＃39;&＃39;0 1 2
Country Belgium India Brazil
Captital Brussels New Delhi Brasilia
Population 11190846 1303171035 207847528可以看到&＃xff0c;行　和　列　都是颠倒的&＃xff0c;因此需要进行一下转置
&＃39;&＃39;&＃39;print(df_new.T)
&＃39;&＃39;&＃39;Country Captital Population
0 Belgium Brussels 11190846
1 India New Delhi 1303171035
2 Brazil Brasilia 207847528&＃39;&＃39;&＃39;&＃39;&＃39;&＃39;
总结&＃xff1a;series, 就是一个　一维 的数据结构&＃xff0c;它是由　&＃xff49;&＃xff4e;&＃xff44;&＃xff45;&＃xff58;　和　&＃xff56;&＃xff41;&＃xff4c;&＃xff55;&＃xff45;　组成。dataframe, 是一个　二维　数据结构&＃xff0c;它由多个　&＃xff53;&＃xff45;&＃xff52;&＃xff49;&＃xff45;&＃xff53;　构成。
&＃39;&＃39;&＃39;


18.python中的.format() 格式化函数

Python2.6 开始&＃xff0c;新增了一种格式化字符串的函数 str.format()&＃xff0c;它增强了字符串格式化的功能。

基本语法是通过 {} 和 : 来代替以前的 % 。

format 函数可以接受不限个参数&＃xff0c;位置可以不按顺序。

>>>"{} {}".format("hello", "world") # 不设置指定位置&＃xff0c;按默认顺序
&＃39;hello world&＃39;>>> "{0} {1}".format("hello", "world") # 设置指定位置
&＃39;hello world&＃39;>>> "{1} {0} {1}".format("hello", "world") # 设置指定位置
&＃39;world hello world&＃39;


eries, 就是一个　一维 的数据结构&＃xff0c;它是由　&＃xff49;&＃xff4e;&＃xff44;&＃xff45;&＃xff58;　和　&＃xff56;&＃xff41;&＃xff4c;&＃xff55;&＃xff45;　组成。
dataframe, 是一个　二维　数据结构&＃xff0c;它由多个　&＃xff53;&＃xff45;&＃xff52;&＃xff49;&＃xff45;&＃xff53;　构成。
‘’’

## 18.python中的.format() 格式化函数Python2.6 开始&＃xff0c;新增了一种格式化字符串的函数 **str.format()**&＃xff0c;它增强了字符串格式化的功能。基本语法是通过 **{}** 和 **:** 来代替以前的 **%** 。format 函数可以接受不限个参数&＃xff0c;位置可以不按顺序。&＃96;&＃96;&＃96;python
>>>"{} {}".format("hello", "world") # 不设置指定位置&＃xff0c;按默认顺序
&＃39;hello world&＃39;>>> "{0} {1}".format("hello", "world") # 设置指定位置
&＃39;hello world&＃39;>>> "{1} {0} {1}".format("hello", "world") # 设置指定位置
&＃39;world hello world&＃39;


更多用法和详解&＃xff1a;https://blog.csdn.net/jpch89/article/details/84099277