python必会的10个知识点

Python在数据科学生态系统中占据主导地位。我认为，占据主导地位的两大原因是相对容易学习和数据科学库的丰富选择。

Python是一种通用语言，因此它不仅仅用于数据科学，Web开发、移动应用程序和游戏开发也是Python的一些用例。

如果你仅将Python用于与数据科学相关的任务，那么你不必是Python专家。不过，我认为你必须掌握一些核心概念和功能。

我们在本文中介绍的内容不是特定于库的。它们可以被认为是数据科学的基础Python。即使你只使用Pandas、Matplotlib和sciket learn，也需要全面了解Python基础知识。这些库假设你熟悉Python的基础知识。

我将用几个例子简要地解释每个主题，并为大多数主题提供一个详细文章的链接。

1.函数

函数是Python中的构建块。它们接受零个或多个参数并返回一个值。我们使用def关键字创建一个函数。

这是一个简单的函数，它将两个数相乘。

def multiply(a, b):
  return a * b

multiply(5, 4)
20

下面是另一个根据单词长度进行相关计算的示例。

def is_long(word):
  if len(word) > 8:
     return f"{word} is a long word."

is_long("artificial")
'artificial is a long word.'

函数应该完成一项任务。创建一个执行一系列任务的函数违背了使用函数的目的。

我们还应该为函数指定描述性名称，这样我们就可以在不看到代码的情况下了解函数的功能。

2.位置参数和关键字参数

当我们定义一个函数时，我们指定它的参数。调用函数时，必须为其提供所需参数的值。

考虑在上一步中创建的乘法函数。它有两个参数，所以我们在调用函数时为这些参数提供值。

• 位置参数仅由名称声明。

• 关键字参数由名称和默认值声明。

调用函数时，必须给出位置参数的值。否则，我们将得到一个错误。如果我们不为关键字参数指定值，它将采用默认值。

让我们用关键字参数重新定义multiply函数，这样我们就可以看到区别了。

def multiply(a=1, b=1):
  return a * b

print(multiply(5, 4))
20

print(multiply())
1

3.args和*kwargs

函数是Python中的构建块。它们接受零个或多个参数并返回一个值。Python在参数如何传递给函数方面非常灵活。 args和* kwargs使处理参数更容易、更清晰。

• *args允许函数接受任意数量的位置参数。

下面是一个简单的例子：

def addition(*args):
   result = 0
   for i in args:
      result += i
   return result

print(addition(1,4))
5

print(addition(1,7,3))
11

• **kwargs允许函数接受任意数量的关键字参数。

默认情况下， **kwargs 是一个空字典。每个未定义的关键字参数都作为键值对存储在 **kwargs 字典中。

下面是一个简单的例子：

def arg_printer(a, b, option=True, **kwargs):
   print(a, b)
   print(option)
   print(kwargs)

arg_printer(3, 4, param1=5, param2=6)
3 4
True
{'param1': 5, 'param2': 6}

4.类

面向对象编程（OOP）范式是围绕着拥有属于特定类型的对象的思想构建的。从某种意义上说，类型是解释我们的对象。

Python中的所有东西都是一种类型的对象，比如整数、列表、字典、函数等等。我们使用类定义一种对象类型。

类具有以下信息：

• 数据属性：创建类的实例需要什么

• 方法（即过程属性）：我们如何与类的实例交互。

5.列表

List是Python中的内置数据结构。它表示为方括号中的数据点集合。列表可用于存储任何数据类型或不同数据类型的混合。

列表是可变的，这也是为什么它们如此常用的原因之一。因此，我们可以删除和添加项。也可以更新列表中的项目。

下面是一些关于如何创建和修改列表的示例。

words = ['data','science'] # 创建一个列表

print(words[0]) # 访问项目
'data'

words.append('machine') # 添加项目

print(len(words)) # 列表长度
3

print(words)
['data', 'science', 'machine']

6.列表生成式

列表生成式用更简单、更吸引人的语法表示for和if循环。列表生成式相对比for循环快。

下面是一个简单的列表生成式，它根据给定的条件从另一个列表创建一个列表。

a = [4,6,7,3,2]

b = [x for x in a if x > 5]
b
[6, 7]

下面的列表将函数应用于另一个列表中的项。

words = ['data','science','machine','learning']

b = [len(word) for word in words]
b
[4, 7, 7, 8]

7.字典

字典是一个无序的键值对集合。每个条目都有一个键和值。字典可以看作是一个有特殊索引的列表。

密钥必须是唯一且不可变的。所以我们可以使用字符串、数字（int或float）或元组作为键。值可以是任何类型。

考虑一个需要存储学生成绩的案例。我们可以把它们存储在字典或列表中。

创建字典的一种方法是在大括号中编写键值对。

grades = {'John':'A', 'Emily':'A+', 'Betty':'B', 'Mike':'C', 'Ashley':'A'}

我们可以使用字典中的值的键来访问它。

grades['John']
'A'

grades.get('Betty')
'B'

8.集合

集合是不同的可散列对象的无序集合。这是Python官方文档中对集合的定义。让我们打开它。

• 无序集合：它包含零个或多个元素。集合中的元素没有顺序。因此，它不支持索引或切片，就像我们对列表所做的那样。

• 不同的可散列对象：一个集合包含唯一的元素。hashable表示不可变。尽管集合是可变的，但集合的元素必须是不变的。

我们可以通过将逗号分隔的对象放在大括号中来创建一个集合。

a = {1, 4, 'foo'}

print(type(a))
<class 'set'>

集合不包含重复的元素，因此即使我们多次尝试添加相同的元素，结果集合也将包含唯一的元素。

a = {1, 4, 'foo', 4, 'foo'}

print(a)
{1, 4, 'foo'}

9.元组

元组是用逗号分隔并用括号括起来的值的集合。与列表不同，元组是不可变的。元组的不变性可以看作元组的识别特征。

元组由括号中的值和逗号分隔的值组成。

a = (3, 4)

print(type(a))
<class 'tuple'>

我们也可以不使用括号来创建元组。用逗号分隔的值序列将创建一个元组。

a = 3, 4, 5, 6

print(type(a))
<class 'tuple'>

元组最常见的用例之一是返回多个值的函数。

import numpy as np

def count_sum(arr):
   count = len(arr)
   sum = arr.sum()
   return count, sum

arr = np.random.randint(10, size=8)
a = count_sum(arr)

print(a)
(8, 39)

print(type(a))
<class 'tuple'>

10.Lambda表达式

Lambda表达式是函数的特殊形式。通常，lambda表达式不带名称。

考虑以下返回给定数字平方的函数。

def square(x):
   return x**2

等效lambda表达式为：

lambda x: x ** 2

考虑一个需要做一次或几次的操作。此外，我们有许多变化，这一行动是略有不同，比原来的一个。在这种情况下，为每个操作定义一个单独的函数并不理想。相反，lambda表达式提供了一种更有效的方法来完成任务。

结论

我们已经介绍了Python的一些关键概念和主题。大多数与数据科学相关的任务都是通过第三方库和框架完成的，如Pandas、Matplotlib、sciket-learn、TensorFlow等。

但是，我们应该全面了解Python的基本操作和概念，以便有效地使用这些库。

【python学习】

点击下方名片

一起探讨编程知识,成为大神，还有软件安装包，实战案例、学习资料