Python的数据结构及其语法

Python简介

Python优缺点

优点：
简单易学：代码简洁，语法规范；
开源：用户可以免费使用；
可移植性好：在不同的平台都可运行，仅仅需要注意环境配置；
可扩展性：生态比较全面；
缺点：
Python的底层丰富，运行比C、Java要慢；
各种版本扩展库很庞大，配置相关包较为麻烦；
集成工具：Pycharm
编辑器：Spyder、Vim、Sublime、Jupyter Notebook

Python支持的数据类型

str              字符串     
int              整型
float            浮点型
complex          复数
list             列表
tuple            元组
dict（map）      字典                
等等还有很多

列表为例：有序可重复的数组，添加、修改、删除等；

list["one",1,2 .......]

编写代码时的注意事项

标识符：
标识符是定义的名称，类名、变量名等；
标识符大小写敏感。第一个字符必须是字母表中的字母或"_"；
Python3之后中文可作为变量名；

注释：
#：表示单行注释
“” "：一段注释

Python常用语句

相关扩展包

常用的第三方库

名称							含义
NumPy	  Python 语言扩展程序库，支持大量的维度数组与矩阵运算。
[SciPy]((https://www.scipy.org/)	集成了数学、科学和工程的计算包， 它用于有效计算 Numpy 矩阵，使 Numpy 和 Scipy 协同工作。
Matplotlib	专门用来绘图的工具包，可以使用它来进行数据可视化。
pandas	数据分析工具包，它基于 NumPy 构建，纳入了大量的库和标准数据模型。

常用机器学习库

名称					含义
scikit-learn	基于 SciPy 进行延伸的机器学习工具包，包含大量的机器学习算法模型，有 6 大基本功能：分类、回归、聚类、数据降维、模型选择和数据预处理。
OpenCV	非常庞大的图像处理库，实现了非常多的图像和视频处理方法，如图像视频加载、基础特征获取、边缘检测等，处理图像通常都需要其支持。
NLTK	比较传统的自然语言处理模块，自带很多语料，以及全面的传统自然语言处理算法，比如字符串处理、卡方检验等，非常适合自然语言入门使用。
Gensim	包含了浅层词嵌入的文本处理模块，以及常用的自然语言处理相关方法，如 TF-IDF、word2vec 等模型。

深度学习平台

平台名称		开发平台			优点
TensorFlow	谷歌	相对成熟、应用广泛、服务全面、提供学习视频和其认证计划。
PyTorch		Facebook	支持更加快速地构建项目。
PaddlePaddle	百度	中文文档全面，对于汉语的相关模型比较丰富。

常用镜像源

镜像名称			网站地址	
阿里云		https://mirrors.aliyun.com/pypi/simple/	
中国科技大学	https://pypi.mirrors.ustc.edu.cn/simple/	
清华大学		https://pypi.tuna.tsinghua.edu.cn/simple/	
豆瓣			http://pypi.douban.com/simple/	
华中理工大学	http://pypi.hustunique.com/simple/	
山东理工大学	http://pypi.sdutlinux.org/simple/

此文档适合刚刚开始学习Python的学者！！