python命令大全及说明,python基本命令大全

大家好，本文将围绕python命令大全及说明展开说明，python基本命令大全是一个很多人都想弄明白的事情，想搞清楚python命令行怎么用需要先了解以下几个事情。

Source code download: 本文相关源码

Python编程基础、numpy包、pandas包的用法（详细）

一、python编程入门

1.python的工作目录

在使用Python时，一个重要设置是定义工作目录，即设置当前运行路径。
例如：

#获取当前目录
%pwd
#改变工作路径
%cd"D:python"

2.python分析包

python具有丰富的数据分析模块，大多数做数据分析的人使用python是因为其强大的数据分析功能python画笑脸的源代码。所有的python函数和数据集是保存在里面的。只有当一个包被安装并被载入（import）时，他的内容才可以被访问。

常用的数据分析包：

	包名        			 说明                                 主要功能
	math      		     基础数学包         		    提供函数,完成各种数学运算
	random   		     随机数生成包           Python中的random模块用于生成各种随机数       
	numpy       		 数值计算包             numpy (numeric python)是Python的一种开源的数值计算扩展,一个用Python实现的数值计算工具包。它提供许多高级的数值编程工具,如矩阵数据类型、矢量处理,以及精密的运算包。专为进行严格的数值处理而产生
	scipy    		     数值分析包             提供很多科学计算工具包和算法,方便是易于使用,专为科学和工程设计的数值分析工具包。它包括统计、优化、整合、线性代数模块、傅里叶变换、信号和图像处理、常微分方程求解器等,包含常用的统计估计和检验方法
	pandas     			 数据操作包             提供类似于R语言的Dataframe操作,非常方便。 pandas是面板数据(panel data)的简写。它是Python最强大的数据分析和探索工具,因金融数据分析工具而开发,支持类似SQL的数据增、删、改、查,支持时间序列分析,灵活处理缺失数据
	statsmodels   		 统计模型包       	    statsmodels可以补充scipy.stats,是一个包含统计模型、统计测式和统计数据挖掘的Python模块。对每个模型都会生成一个对应的统计结果,对时间序列有完美的支持
	matplotlib    		 基本绘图包          	该包主要用于绘图和绘表,是一个强大的数据可视化工具,语法类似于Matlab,是一个Python的图形框架,类似于Matlab和R语言。它是Python最著名的绘图库,提供了一整套和Matlab相似的命令API,十分适合交互式制图。而且也可以方便地将它作为绘图控件,嵌入GUI应用程序中
	sklearn      		 机器学习包          	 sklearn是基于Python的机器学习工具模块,里面主要包含6大模块:分类、回归、聚类、降维、模型选择、预处理,如,使用sklearn.decomposition可进行主成分分解
	beautifulSoup        网络爬虫包     			beautifulsoup是Python的一个包,最主要的功能是从网页抓取数据。BeautifulSsoup提供一些简单的、Python式的函数,用来处理导航、搜索、修改分析树等功能。通过解析文档为用户提供需要抓取的数据,通过它可以很方便地提取出HTML或XML标签中的内容
	network   		     复杂网络包         	    networkx一款Python的软件包,用于创造、操作复杂网络,以及学习复杂网络的结构、动力学及其功能。通过它可以用标准或者不标准的数据格式加载或者存储网络,它可以产生许多种类的随机网络或经典网络,也可以分析网络结构、建立网络模型、设计新的网络算法、绘制网络等

注意:安装程序包和载入程序包是两个概念,安装程序包是指将需要的程序包安装到电脑中,载入包是指将程序包调入Python环境中。程序包的安装(通常在命令行状态:)> > > pip install pandas

python调用包的命令是import ，如需要调用上述包，可用

• import math
• import random
• import numpy
• import scipy
• import pandas
• import matplotlib

这些包中的函数，可直接使用包名加“.”。如要用matplotlib绘plot图，可用matplotlib.plot(…)。

如要简化这些包的写法，可用as命令赋予别名，如：

• import numpy as np
• import pandas as pd
• import matplotlib as plt

这样matplotlib.plot(…)可以简化为plt.plot(…)。

如要调用python包中某个具体函数或方法,可使用 from … import 例如：
调用math中的开放、对数、和pi函数，则：
from math import sqrt,log,pi
这样，可以直接在程序中使用，如sqrt(2),等价于math.sqrt(2).

3.python中的数据管理

目前，python中最大的问题就是数据管理，因为python没有好的数据管理器，其自带的数据管理器很不方便，所以，要用好Python软件，就得将python与Excel等电子表格充分结合，发挥两者的优点。

二、python数据类型

1.python对象

python创建和控制的实体称为“对象”，它们可以是变量、数组、字符串、函数或结构。

1. 查看数据对象
   
2. 生成数据对象
   
3. 删除数据对象
   

**python对象名称必须是以一个英文字母打头，并由一串大小写字母、数字或下划线组成。

注意：python区分大小写，比如：Orange与orange数据对象是不同的。不要用python的内置函数名作为对象的名称。**

2.数据的基本类型

python的基本数据类型包括数值型、逻辑型、字符型、复数型等，也可能是缺失值。

2.1数值型

数值型数据的形式是实数，可以写成整数（如 n=3）、小数（如 x=1.46）、科学计数法（y=le9）的方式，该类型数据默认是双精度数据。

python支持4中不同的数字类型：

• int（有符号整型）
• long（长整型，也可以代表八进制和十六进制）
• float（浮点型）
• complex（复数）

python中显示数据或对象内容直接用其名称，相当于执行print函数，如下：

2.2逻辑型

逻辑型数据只能取值True或False。

可以通过比较获得逻辑型数据。

2.3字符型

字符型数据的形式是夹在“”或单引号‘’之间的字符串，如‘MR’.
一定要用英文引号，不能用中文引号。python语言中的string（字符串）是由数字、字母、下划线组成的一串字符。一般形式为：
s = ‘I love python’
另外, Python字符串具有切片功能,即从左到右索引默认从0开始,最大范围是字符串长度减一(左闭右开):从右到左索引默认从-1开始。如果要实现从字符串中获取段子字符串,可以使用变量头下标:尾下标],其中下标从0开始算起,可以是正数或负数,也可以为空,表示取到头或尾。比如,上例中s[8]的值是p, s[3:7]的结果是love.

加号(+)是字符串连接运算符,星号(*)是重复操作。

2.4缺失值

有些统计资料是不完整的。当一个元素或值在统计的时候是“不可得到”或“缺失值”的时候,相关位置可能会被保留并且赋予一个特定的nan (not available number,不是一个数)值。任何nan的运算结果都是nano如flat(‘nan’)就是一个实数缺失值。

2.5数据类型转换

有时,需要对数据内置的类型进行转换。数据类型的转换,只须将数据类型作为函数名即可。以下几个内置的函数可以实现数据类型之间的转换。这些函数返回一个新的对象,表示转换的值。下面列出几种常用的数据类型转换方式:

• int(x [,base]) #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
• chr(x) #将一个整数转换为一个字符

Python的所有数据类型都是类,可以通过type()函数查看该变量的数据类型。

3.标准数据类型

在内存中存储的数据可以有多种类型,例如,一个人的年龄可以用数字来存储,名享可以用字持来存储. Python定义了一些标准失型,用于存储各种类型的数据。这些标准的数据类型是由前述基本类型构成的。

3.1list（列表）

list (列表)是Python中使用最频繁的数据类型。列表可以完成大多数集合类的数据结构实现。它支持字符、数字、字衬串,甚至可以包含列表(即嵌套),列表用1标识是一种最通用的复合数据类型. Python的列表也具有切片功能,列表中值的切割也可以用到变量[头下标:尾下标],可以截取相应的列表,从左到右索引默认从0开始,从右到左索引默认从-1开始,下标可以为空,表示取到头或尾。

加号+是列表连接运算符,星号*是重复操作,操作方法类似字符串。
列表list是进行数据分析的基本类型,所以必须掌握。

3.2tuple（元组）

元组是另一种数据类型,类似于list(列表)。元组用"()"标识,内部元素用逗号隔开。元组不能赋值，相当于只读列表。操作类似列表。

3.3dictionary（字典）

字典也是一种数据类型,且可存储任意类型对象。字典的每个键值对用冒号":“分隔,每个键值对之间用逗号”,”分隔,整个字典包括在花括号1中,格式如下：

dict={key1 : value1 , key2 : value2}

键必须是唯一的，但值则不必，值可以取任何数据类型，如字符串、数字或元组。

字典是除列表外Python中最灵活的内置数据结构类型。列表是有序的对象集合，字典是无序的对象集合。

两者之间的区别在于：字典中的元素是通过键来存储，而不是通过下标存取。

三、数值分析包 numpy

在使用numpy包前，须加载其到内存中，语句 import numpy，通常简化为：
import numpy as np

1.一维数组（向量）

下面是使用Python的numpy包对一维数组或向量的基本操作。

2.二维数组（矩阵）

下面是使用Python的numpy包构建二维数组或矩阵的基本函数。

3.数组的操作

下面是对数组操作的一些常用函数

3.1数组的维度

3.2空数组

3.3零数组

3.4 '1’数组

3.5单位矩阵

四、数据分析包pandas

在数据分析中，数据通常以变量（一维数组，Python中用序列表示）和矩阵（二维数组，Python中用数据框表示）的形式出现，下面结合Python介绍pandas基本的数据操作。

注意：在Python编程中，变量通常以列表（一组数据），而不是一般编程语言的标量（一个数据）形式出现。

1.序列Series

1.1创建序列（向量、一维数组）

假如要创建一个含有n个数值的向量X=（x1，x2…xn），Python中创建序列的函数是列表，这些向量可以是数字型，也可以是字符串型的，还可以是混合型的。

1.2生成序列

1.3根据列表构建序列

1.4序列合并

1.5序列切片

2.数据框DataFrame

pandas中的函数DataFrame（）可用序列构成一个数据框。数据框相当于关系数据库中的结构化是数据类型，传统的数据大都可以以结构化数据形式存储于关系数据库中，因而传统的数据分析是以数据框为基础的。

1. 生成数据框
   pd.DataFrame()

2. 根据列表创建数据框
   pd.DataFrame(X)
pd.DataFrame(X,columens=['X'],index=range(5)

3. 根据字典创建数据框
   df1=pd.DataFrame({'S1':S1,'S2':S2,'S3',S3};df1

4. 增加数据框列
   df2=pd.DataFrame({'sex':sex,'weight':weight},index=X);df2

5. 删除数据框列
   del df2['weight'];df2 #删除数据列

6. 缺失值处理
   df3=pd.DataFrame({'S2':S2,'S3':S3},index=S1);df3
df3.isnull() #若是缺失值则返回True，否则返回False
df3.isnull().sum() #返回每列包含的缺失值个数
df3.dropna() #直接删除含有缺失值的行，多变量谨慎使用

7. 数据框排序
   df3.sort_index() #按index排序
df.3sort_values(by='S3') #按列值排序

3.数据框的读写

3.1pandas读取数据集

大的数据对象常常是从外部文件读入，而不是在python中直接输入的。

下面会用到的数据：这里下载：PyDm_data.xlsx

1. 从剪切板上读取

data= pd.read_clipboard();  #从剪切板上复制数据
data[:5

data为读入python中的数据框名，clipboard为剪切板。

1. 读取csv格式数据

data=pd.read_csv("D://PyDm_data.xlsx",encoding='utf-8')  #注意中文格式
data[6:9]

1. 读取excel格式数据

4. 读取其他统计软件的数据
要调用SAS、SPSS、Stata等统计软件的数据集，须先用相应的包。

3.2数据集的保存

Python读取和保存数据集最好方式是csv和xlsx文件格式。

data.to_csv('data1.csv'   #将数据框data保存到data1.csv中
data.to_excel('data2.xlsx',index=False)   #将数据框data保存到data2.xlsx中

4.数据框的操作

4.1获取数据框的基本信息

1. 数据框显示

1. 数据框列明（变量名）
   

2. 数据框行名（样品名）
   

3. 数据框维度
   

4. 数据框值（数组）
   

4.2选取变量

1. “."法或[’’]
   获取一列数据：
   
   获取两列数据：
   
2. 下标法
   
   

4.3提取样品

4.4选取观测与变量

4.5根据条件选取样品与变量

选取身高超过180cm的男生的数据。

身高超过180且体重小于80kg的数据。

4.6数据框的运算

1. 生成新的数据框
   可以通过选择变量名来生成新的数据框
   
2. 数据框的合并 pd.concat()

可以用pd.concat() 函数将两个或两个以上的向量、矩阵或数据框合并起来，参数axis=0表示按行合并，axis=1表示按列合并。

4.7数据框转置（.T）

三、python编程运算

1.基本运算

与Basic语言、VB语言、C语言、C++语言等一样，Python 语言具有编程功能，具有面向对象的功能，还是面向函数的语言。

python中常用的算数运算符和逻辑运算符：

2.控制语句

2.1循环语句for

语法：

for i in range(x):
    print(i)

2.2 条件语句 if/else

注意：循环和条件等语句中要输出结果，请用prit（）函数，这时只用变量名是无法显示的。

3函数定义

定义函数语法：

def 函数名（参数1，参数2，...):
    函数体
    return

python中常用的数学函数：

math中的数学函数	含义（针对数值）
abs(x)	数值的绝对值
sqrt(x)	数值的平方根
log(x)	数值的对数
exp(x)	数值的值数
round(x,n)	有效位数n
sin(x),cos(x),…	三角函数

numpy中数学函数	含义（针对数组）
len(x)	数组中元素个数
sum(x)	数组中元素求和
prod(x)	数组中元素求积
min(x)	数组中元素最小值
max(x)	数值中元素最大值
sort(x)	数值中元素排序
rank(x)	数组中元素秩次

函数名可以是任意字符，但之前定义过的要小心使用，后定义的函数会覆盖先定义的函数。

注意：如果函数只用来计算，不需要返回结果，则可在函数中用print（）函数，这时只用变量名是无法显示结果的。

4.面向对象

Python是一种面向对象的语言。

列表的用法：

向量、矩阵和数组的元素必须是同一类型的数据对象。

列表中对象的成分访问与变量和数据基本一样，可以用下表获取，但不完全一样。

可以使用type()函数来查看数据或对象的类型。

练习题：

学生成绩：从某大学统计系的学生中随机抽取24人，对数学和统计学的考试成绩进行调查，数据如下：

（1）用python的read_csv() 和resd_excel()函数读取。
（2）用python的方法获取性别、数学和统计学成绩变量，并筛选不同性别学生的成绩。
（3）用python分别对性别、数学或统计学成绩排序。
注:数据资源点这里——>数据资源下载

解：
1.

2.

3.
按性别排序：

按数学排序：

按统计学成绩排序：