python自学笔记

1. Python基础

1.1 安装

• 下载并安装Python解释器：Python官网
• 推荐使用集成开发环境(IDE)：如PyCharm、VS Code、Jupyter Notebook

1.2 基本语法

• 注释：# 单行注释；''' ''' 或 """ """ 多行注释
• 变量：无需声明类型，直接赋值 x = 10
• 数据类型：整数(int)、浮点数(float)、字符串(str)、布尔(bool)、列表(list)、字典(dict)、元组(tuple)、集合(set)
• 运算符：算术运算符（+，-，*，/，//，%），比较运算符（==，!=，>，<，>=，<=），逻辑运算符（and，or，not）

1.3 控制结构

• 条件语句：if, elif, else

  if condition_1:
      pass
  elif condition_2:
      pass
  else:
      pass
  

• 循环语句：for, while

  for i in range(10):
      print(i)
  
  while condition:
      pass
  

1.4 函数

• 定义函数使用 def 关键字

  def function_name(parameters):
      # function body
      return value
  

1.5 类与对象

• 类定义及对象创建

  class MyClass:
      def __init__(self, attribute):
          self.attribute = attribute
  
      def method(self):
          return self.attribute
  
  obj = MyClass('value')
  print(obj.method())
  

2. 常用模块

2.1 os 模块

• 进行操作系统相关操作，如文件和目录操作

  import os
  os.listdir('.')  # 列出当前目录下的文件和文件夹
  os.getcwd()      # 获取当前工作目录
  os.mkdir('new_dir')  # 创建新文件夹
  

2.2 sys 模块

• 访问与Python解释器相关的变量和函数

  import sys
  sys.argv  # 命令行参数列表
  sys.path  # 模块的搜索路径
  sys.exit()  # 退出程序
  

2.3 datetime 模块

• 处理日期和时间

  import datetime
  now = datetime.datetime.now()
  print(now.strftime('%Y-%m-%d %H:%M:%S'))
  

2.4 re 模块

• 正则表达式，用于字符串匹配

  import re
  pattern = re.compile(r'\d+')
  result = pattern.findall('123abc456')
  print(result)  # ['123', '456']
  

2.5 json 模块

• 编码和解码JSON数据

  import json
  data = {'name': 'John', 'age': 30}
  json_str = json.dumps(data)
  print(json_str)  # '{"name": "John", "age": 30}'
  
  data = json.loads(json_str)
  print(data)  # {'name': 'John', 'age': 30}
  

2.6 requests 模块

• 发送HTTP请求

  import requests
  response = requests.get('https://api.github.com')
  print(response.status_code)
  print(response.json())
  

3. 项目实战

3.1 数据分析

• 使用 pandas 进行数据分析

  import pandas as pd
  df = pd.read_csv('data.csv')
  print(df.head())
  

3.2 数据可视化

• 使用 matplotlib 进行数据可视化

  import matplotlib.pyplot as plt
  plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
  plt.show()
  

3.3 机器学习

• 使用 scikit-learn 进行机器学习建模

  from sklearn.datasets import load_iris
  from sklearn.model_selection import train_test_split
  from sklearn.ensemble import RandomForestClassifier
  from sklearn.metrics import accuracy_score
  
  data = load_iris()
  X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.2)
  model = RandomForestClassifier()
  model.fit(X_train, y_train)
  predictions = model.predict(X_test)
  print(accuracy_score(y_test, predictions))