（Datacamp）从零开始学python（2）——functions&packages&Numpy

functions&methods

(1)round（a,b）
a:输入的数字
b:保留的小数位数，不写默认取整
(2)sorted(iterable,key,reverse)
iterable:表示可以迭代的对象,
key:函数，用来选取参与比较的元素
reverse：指定排序顺序，reverse=True倒序，reverse=False时顺序，=false
(3)面向对象的方法
设置一个数组fam ，fam是一个对象，属于list型，method是与类或类的对象相关的函数，是一种特殊的function（函数），它必须和类相关

• family.function()这种调用有的时候会改变对象本身5/6/7，有的时候不会

(4)str.count(sub,start=,end=)计数
(5)str.upper() 小写字母变大写，对str类变量来说 不会改变其本身
(6)str.index(str, beg=0, end=len(string)) 检索是否存在子字符串并返回出现的次数
(7)s.append(x) 把x接到s尾后
(8)s.remove(x) 移除s中和x相等的第一项
(9)s.reverse() 把s倒排

import packages

A

#Import the math package
import  math 
math.floor()
#Calculate C
C = 0
C=2*math.pi*r

B
或若想使用特定功能（如math里的pi）

from math import pi

这样再调用就不需要敲math辽

C
再或者简单一点把math这种package缩写 利用as

from scipy.linalg import inv as my_inv
my_inv([[1,2], [3,4]])

Numpy

在list的基础上，引入array，使得list的计算更方便，但也带来了不同，且会改写数组中数据的类型，强制类型转换

a=[1,2,3] b=[1,2,3]
c = a+b                    #=[1,2,3,1,2,3]
import numpy as np
np.a=[1,2,3] np.b=[1,2,3]
c=np.a+np. b               #=[2,4,6]

np.array强制把输入的数据都转换成了同一个类型

In [1]: 
... np.array([True, 1, 2, 3, 4, False])
Out[1]: array([1, 1, 2, 3, 4, 0])

In [2]: np.array([4, 3, 0]) + np.array([0, 2, 2])
Out[2]: array([4, 5, 2])

In [3]: np.array([1, 1, 2]) + np.array([3, 4, -1])
Out[3]: array([4, 5, 1])

In [4]: np.array([0, 1, 2, 3, 4, 5])
Out[4]: array([0, 1, 2, 3, 4, 5])

eg：利用np.array做筛选

# height and weight are available as a regular lists

# Import numpy
import numpy as np

# Calculate the BMI: bmi
np_height_m = np.array(height_in) * 0.0254
np_weight_kg = np.array(weight_lb) * 0.453592
bmi = np_weight_kg / np_height_m ** 2

# Create the light array
light=bmi<21

# Print out light
print(light)

# Print out BMIs of all baseball players whose BMI is below 21
y=np.array(bmi)
print(y[light])

二维数组

 In [10]: np_2d[0]
Out[10]: array([ 1.73, 1.68, 1.71, 1.89, 1.79])
In [11]: np_2d[0][2]
Out[11]: 1.71
In [12]: np_2d[0,2]   #与np_2d[0][2]指代同一个元素，[行，列]
Out[12]: 1.71
In [13]: np_2d[:,1:3]  #注意这种方[a:b,c:d]  :a-b行，c-d列
Out[13]:
array([[ 1.68, 1.71],
[ 59.2 , 63.6 ]])

2D Numpy arrays

conversion = np.array([0.0254,0.453592,1])

Basic Statistic
np.mean np.median
np.corrcoeff相关度
np.corrcoef(np_baseball[:,0],np_baseball[:,1])
np.std 标准差standard deviation .
np.round(np.random.norma（60.32,15），2））
(60.32均值, 15标准差， 5000样本容量, 输出的shape默认是none只输出一个只），2保留的小数位数）标准正态分布