Python常用语句

持续更新...

 

1.split函数

split是分割函数，将字符串分割成“字符”。

默认不带参数为空格分割。可以带参数根据实际需求进行分割。数字参数，表示“切几次”。

 

2.strip函数

note：s为字符串，rm为要删除的字符序列

s.strip(rm)        删除s字符串中开头、结尾处，位于rm删除序列的字符

s.lstrip(rm)       删除s字符串中开头处，位于 rm删除序列的字符

s.rstrip(rm)      删除s字符串中结尾处，位于 rm删除序列的字符

 当rm为空时，默认删除空白符（包括'\n', '\r',  '\t',  ' ')；

符号              意义
\n                换行（newline）
\r                回车CR （return）     

\t                 TAB(制表符)

rm删除序列是只要边（开头或结尾）上的字符在删除序列内，就删除掉；若不在开头或结尾处，则不删掉。

 

3.关闭图像

fig = plt.figure() # 新图

plt.savefig() # 保存

plt.close('all') # 关闭图

 

4.linspace 等差数列

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

在指定的间隔内返回均匀间隔的数字。

 

5.asarray转化为数组

numpy.asarray(a, dtype=None, order=None）

Convert the input to an array.

 

6.数组

Python的数组分三种类型：
(1) list 普通的链表，初始化后可以通过特定方法动态增加元素。
定义方式：arr = [元素]

(2) Tuple 固定的数组，一旦定义后，其元素个数是不能再改变的。
定义方式：arr = (元素)

(2) Dictionary 词典类型， 即是Hash数组。
定义方式：arr = {元素k:v}

 

7.ravel

numpy.ravel(a, order='C'）

Return a contiguous flattened array.

numpy中的ravel()、flatten()、squeeze()都有将多维数组转换为一维数组的功能，区别： 
ravel()：如果没有必要，不会产生源数据的副本 
flatten()：返回源数据的副本 
squeeze()：只能对维数为1的维度降维

 

8.字串格式化

格式化字串時，所使用的%d、%f、%s等 與C語 言類似，之後使用%接上一個tuple， 也就是範例中以()包 括的實字表示部份。一些可用的字串格式字列舉如下： 

%%	在字串 中顯示%
%d	以10 進位整數方式輸出
%f	將浮點 數以10進位方式輸出
%e, %E	將浮點 數以10進位方式輸出，並使用科學記號
%o	以8進 位整數方式輸出
%x, %X	將整 數以16進位方式輸出
%s	使用str()將字串輸出
%c	以字元 方式輸出
%r	使用repr()輸 出字串

 

 

 

 

9.enumerate() 函数

enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。

 

普通的 for 循环：

>>>i = 0 >>>

seq = ['one', 'two', 'three'] >>>

for element in seq: ...

print i, seq[i] ... i +=1 ... 0 one 1 two 2 three

for 循环使用 enumerate：

>>>seq = ['one', 'two', 'three'] >>>

for i, element in enumerate(seq): ...

print i, element ... 0 one 1 two 2 three

 

10.矩阵乘法

np.dot(A, B)：计算真正意义上的矩阵乘积，同线性代数中矩阵乘法的定义。

实现对应元素相乘，有2种方式，一个是np.multiply()，另外一个是*。

 

# 对应元素相乘 element-wise product
element_wise = two_dim_matrix_one * another_two_dim_matrix_one
 

# 对应元素相乘 element-wise product
element_wise_2 = np.multiply(two_dim_matrix_one, another_two_dim_matrix_one)

11.数组切片

 

对于X[:,0];

是取二维数组中第一维的所有数据

对于X[:,1]

是取二维数组中第二维的所有数据

对于X[:,m:n]

是取二维数组中第m维到第n-1维的所有数据

 

12.numpy.concatenate

join a sequence of arrays along an existing axis.

https://docs.scipy.org/doc/numpy/reference/generated/numpy.concatenate.html#numpy.concatenate

 

13.numpy.where

Return elements, either from x or y, depending on condition.

https://docs.scipy.org/doc/numpy/reference/generated/numpy.where.html