python基础语法

设计程序

• 需求分析
• 程序设计
• 代码编写
• 测试与调试
• 实施与开发
• 维护优化

实例1（猜数字）

X=100
y=int(input("请输入数字："))
if x==y:
     print('猜对了！')
elif y<x:
    print('太小了!')
else:
    print('太大了！')
     

命名法则

• 避开Python自身关键词：‘False’，‘None’,‘True’,‘and’,‘as’,‘assert’,‘break’,‘class’,‘continue’，‘def’，‘del’，‘elif’，‘slse’，‘etc.’
• 下划线命名法：lower_to_upper
• 驼峰命名：mypython

行与缩进

• Python最具特色的就是使用缩进代表代码块Block
• 缩进就是空格，每个代码块的缩进空格数必须相同，否则代码会报错

实例2

a=10
b=20
if a<b:
    print(a)

数字

Python中数字分为:

• 整数 : int
• 浮点数 ： float
• 复数 ： complex

列表

• 一种有限的有序值得集合，用方括号【】表示
• 列表中的元素可以使相同类型，也可以是不同类型的数据
• 括号里的每个元素都被分配一个索引值，使用该值可以准确查找到列表中的元素，索引值从0开始
• 删除列表中的值用del（），添加列表中的值使用append（）

元组

• 特殊形式的列表，用圆括号（）表示
• 元组中的数据是不可修改的
• 不同的元组可以进行拼接，但是不允许删除增加元组内的元素

集合

• 一个无序的不重复元素序列 ，用花括号{}来表示
• 添加元素 ：add()
• 去除元素 ：remove（）
• 计算元素个数 ：len（）
• 判断元素是否在集合中 ：x in s

实例3

y = {1, 3, 4, 5, 'python'}
if 'python' in y:
       print('good')

字典

• 字典是一个无序，可变和有索引的集合，用花括号{}编写
• 一个键key和一个值value共同构成了一个字典中的一个元素
• 键是唯一且不可变得
• 访问字典元素
• 修改字典元素
• 删除字典元素

实例4

m = {'英语': 100, '数学': 150, '专业': 150}print(m['英语'])
print(m['英语'])

布尔值

• 布尔值是Python中一种特殊的逻辑数据类型
• True和False
• 常在逻辑运算，循环语句，条件盘肚腩语句使用

函数

常用函数

• print()
• type()
• float( int x ) 将整形x转化为浮点形

构建与调用

自定义函数步骤

• 函数代码块以def开头，后接函数标识符名称和圆括号()。圆括号后接冒号，然后下一行缩进开始写函数主题。
• 任何传入参数和自变量必须放在圆括号中间，圆括号之间可以用于定义参数。
• 函数运行结束后考虑是否需要返回至爱。renturn[表达式]结束函数，选择性地返回一个值给调用方，不带表达式的return相当于返回None。

实例5

def max1(a, b):   
if a > b:        
     return a    
else:       
     return b
c = max1(10, 20)
print(c)

第三方模块

Pandas模块

• Pandas模块用于数据导入及数据处理
• Pandas模块可以用于文件处理
• Pandas模块可以对数据进行结构化处理
• pandas.Series()可以将列表转化为数组

实例6

import pandas as pd
arr = [100, 300, 400, 500]
s = pd.Series(arr)
print(s)

• pandas.DataFrame()可以将集合转化为二维数组

实例7

import pandas as pd
data = {'animal': ['cat', 'dog', 'snake'], 'age': [10, 20, 30], 'numbers': [50, 60, 70]}
df = pd.DataFrame(data)
print(df)

NumPy模块

• NumPy模块支持大量的维度数组和矩阵运算
• NumPy模块支持数据转型成数组形式，进而进行切割，合并，切片功能
• 利用numpy.arange(a,b,c)来生成一维数组

实例8

import numpy as np
x = np.arange(10, 20, 2) #从10到20，以2为距离产生元素
#numpy.arange当只输入一个参数时默认从0开始，间隔1
print(x)

• 切片

实例9

import numpy as np
x = np.arange(10)
b = x[2:7]
print(b)

Math模块

• math.fabs()绝对值计算
• math.ceil()比括号内大的最小整数

模块的定义

• 模块是Pyhton中最高级别的程序组织单元
• 凡是以.py结尾的文件都是一个模块
• 调用一个模块实际上就可以使用该模块所包含的全部变量和函数
• 每个人都是模块的创造者，也是模块的使用者

Turtlr模块

• 一般用于绘制图形

实例10——绘制五角星

import turtle
turtle.goto(100, 0)
for i in range(50):    
    turtle.left(80)    #向左转
    turtle.fd(100)    #向前进
    turtle.left(125)    
    turtle.fd(105)

数据可视化

绘图模块

Matplotlib模块

• 一般用于绘制2D图像
• pyplot子库

Numpy模块

实例11折线图

import numpy as py
import matplotlib.pyplot as plt
x = [5, 6, 7, 8, 9, 10, 12, 25]
y1 = [1, 5, 3, 5, 2, 2, 1, 5]
y2 = [3, 4, 3, 2, 7, 9, 5, 4]
plt.plot(x, y1, 'o-', color='r')
# 生成折线图 o-为圆节点 s-为方节点
plt.plot(x, y2, 's-', color='g')
plt.xlabel('a')  
# 横坐标名
plt.ylabel('b')
# 纵坐标名
plt.show()

实例12散点图

import numpy as py
import matplotlib.pyplot as plt
n = 100
X = py.random.normal(0, 1, n)
Y = py.random.normal(0, 1, n)
# normal为正态分布,平均数为0，标准差为1，n个
plt.scatter(X,  Y, alpha=0.5)
# alpha为点的透明度
plt.xlim(-1.5, 1.5)
plt.xlim(-1.5, 1.5)
# x，y的范围
plt.xticks()
plt.yticks()
# 忽略x，y轴的标签
plt.show()

实例13直方图

import numpy as py
import matplotlib.pyplot as plt
data = py.random.rand(10000)
plt.hist(data,bins=n)
# n为几个区间组成，默认10个

3D绘图

• 一般使用mpl_toolkits.mplot3d这个函数子库来实现

绘制动态柱状图

模块

• Matplotlib
• Pandas
• IPyhton

文件处理——Python自动化办公

1.open()函数打开对象

• 只读r
• 只写w
• 读写w+
• 追加a
• 方法：一.open(文件路径，文件打开方式
  二.with open(文件路径，文件打开方式) as 对象名(实验暂未可用)

实例14

f = open('C:/Users/over/Desktop/133.txt', 'a')
f.write('Hello !boy')
f.close()

2.读取文件

• 每个空格也算一个字符
• f.readline()
• f.read
• f为函数简称

实例15

f = open('C:/Users/over/Desktop/133.txt', 'r')
a = f.read()
print(a)

文件重命名

• 需要将文件导入os内置模块中，os即操作系统

实例16

import os
os.rename('C:/Users/over/Desktop/133.txt', 'C:/Users/over/Desktop/233.txt')
os.remove('C:/Users/over/Desktop/233.txt')# 删除文件

实例17

import os
path = input('请输入文件路径：')
file_list = os.listdir(path)n = 0
for i in file_list:    
oldname = path + os.sep + file_list[n]    
newname = path + os.sep + 'a'+str(n+1)+'.txt'   
#os.sep相当于/
os.rename(oldname, newname)    
n = n+1

读取Excel文件

• pandas中的read_excel函数可以读取Excel表
• 函数其中的sheet_name[]参数可以读取第几张表或者几张一起
• skip_footer = n 这个参数可以省略第几行
• 导出Excel使用to_excel(路径)

读取csv文件

• 还是使用pandas
• 然后采用pandas.read_csv(‘地址’)
• 导出csv使用to_csv(路径)

批量读取文件

import pandas as pd
import numpy as np
import os
import glob
path = '地址'
file = glob.glob(os.path.jion(path,'*.csv'))
d1 = []
for f in file
    dl.append(pd.read_csv(f))