python基础(一)
Life is short, use Python.
一、python语言基础
Jupyter
快捷键:
Enter:转入编辑模式
Shift-Enter:运行本单元,选中下一个单元
Y:单元转入代码状态
M:单元转入markdown状态
A:在上方插入新单元
B:在下方插入新单元
X:剪切选中的单元
C:复制选中的单元
Shift-V:粘贴到上方单元
V:粘贴到下方单元
Shift-M:合并选中的单元
Tab:代码补全或缩进
基本数据类型
Data Type | Example | |
---|---|---|
Number | Integer | x = 4 |
Long integer | x = 15L | |
Floating point | x = 3.142 | |
Boolean | x = True | |
Text | Character | x = ‘c’ |
String | x = “this” or x = ‘this’ |
基本运算符
算术运算符:
+(加) ,-(减),*(乘),/(除),%(取余),**(幂),//(取整)
逻辑运算符:
and(与),or(或),not(非)
复合数据类型
列表 list
元组 tuple
字典 dict
集合 set
列表中重要函数
1、列表转为字符串,使用join函数
2、字符串转为列表,使用split函数
字典中重要函数
1、获取字段名列表,使用keys函数
2、获取字段值列表,使用values函数
3、获取键-值对列表,使用items函数
4、进行字典数据的排序,使用sorted函数
集合中重要函数
1、zip(X,Y)函数
2、combinations(X,n)函数
3、compress(X,M)函数
二、python程序结构
顺序结构
条件流程控制
If语句是由if发起的一个条件语句,在满足此条件后执行相应内容,Python的语句基本结构如下。
f 表达式1:
语句块1
elif 表达式2:
语句块2
……
else:
语句块n
分支结构
单向分支选择结构是最简单的一种形式,不包含elif和else,当表达式值为True时,执行语句块,否则该语句块不执行,继续执行后面的代码。其语法如下。
if 表达式:
语句块
双分支语句是由if和else两部分组成,当表达式的值为True时,执行语句块1否则执行语句块2。双分支选择结构的语法如下。
if 表达式:
语句块1
else:
语句块2
循环结构
循环流程控制
For循环,其结构如下。
for 变量 in 序列或迭代对象:
循环体(语句块1)
else:
语句块2
注意:
for和else后面冒号不能丢,循环体、语句块缩进严格对齐。
While循环,其语法结构如下。
while 循环条件:
循环体(语句块1)
else:
语句块2
三、python生态库
Python具有庞大的生态库而且成每年递增的趋势
Numpy
NumPy 是 Numerical Python 的简称,它是目前 Python 数值计算中最为重要的基础包。
它包括:
功能强大的N维数组对象。
精密广播功能函数。
集成 C/C+和Fortran 代码的工具。
强大的线性代数、傅立叶变换和随机数功能
为什么使用numpy?
1、由C语言编写,速度快
2、面向数组编程(GPU加速编程)
Numpy数据类型
Numpy知识点
1、ndarray的创建
2、 ndarray的基本算术运算
3、切片和索引
4、算术和统计函数
5、线性代数函数
Numpy重要函数
1、arange函数:构造一维数列
2、linspace函数:构造刻度序列(等差)
3、logspace函数:构造刻度序列(等比)
Scipy
Scipy依赖于Numpy
Scipy包含的功能: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、图像处理、常微分方程求解器等
应用场景:Scipy是高端科学计算工具包,用于数学、科学、工程学等领域
Scipy子模块
Scipy.io
读取图片
from scipy import misc
misc.imread(‘picture’)
scipy.optimize
scipy.optimize模块提供了函数最值、曲线拟合和求根的算法。
Pandas
Pandas is used to get data from a web url, a local file, or data you just created in the program.
Pandas是一个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算);用于数据挖掘和数据分析,同时也提供数据清洗功能。
Pandas学习库
Pandas 用三种数据结构来存储数据。
数据结构 | 维数 | 元素 |
---|---|---|
Series | 1 维 | Scalar Value |
DataFrame | 2 维 | Series |
Panal | 3 维 | DataFrame |