Python重要模块

Python重要模块（待整理）

一、基础模块

1. sys 模块

函数/变量	描述
sys.exit([arg])	退出当前程序
sys.modules	已导入的模块和模块名（返回一个字典）
sys.path	模块的目录的名称（返回一个列表）
sys.platform	平台标识符（如win32）

 

2. os模块

函数/变量	描述
os.environ	包含环境变量的映射
os.sep	路径中使用的分隔符（如windows是\\)
os.pathsep	分隔不同路径的分隔符
os.linesep	行分隔符
os.system(command)	在子shell中执行操作系统命令

 
 

3. fileinput 模块

函数/变量	描述
fileinput.input([file[,inplace[,backup]]])	迭代多个输入流中的行
fileinput.filename()	返回当前文件名称
fileinput.lineno()	返回累计的当前行号
fileinput.filelineno()	返回当前文件中的行号
fileinput.isfirstline()	检查当前行是否是文件第一行
fileinput.nextfile()	关闭当前文件并移到下一个
fileinput.close()	关闭

 
 

4. heapq（堆） 模块

函数/变量	描述
heapq.heappush(heap,x)	将x压入堆中
heapq.heappop(heap)	从堆中弹出最下的元素
heapq.heapify(heap)	让列表具有堆的特征
heapq.heapreplace(heap,x)	弹出最小的元素，并将x压入堆中
heapq.nlargest(n,iter)	返回iter中n个最大的元素
heapq.nsmallest(n,iter)	返回iter中n个最小的元素

 
 

5. time 模块

日期元组中的字段

索引	字段	值
0	年	如2000，2001
1	月	1-12
2	日	1-31
3	时	0-23
4	分	0-59
5	秒	0-61
6	星期	0-6，0是星期一
7	儒略日	1-366
8	夏令时	0，1，-1

函数

函数/变量	描述
time.asctime([tuple])	将时间元组转换为字符串
time.localtime([secs])	将秒数转换为表示当地时间的日期元组
time.mktime(tuple)	将时间元组转换为当地时间
time.sleep(secs)	休眠secs秒
time.strptime{string[,format])	将字符串转换为时间元组
time.time()	当前时间

 
 
6. random 模块

函数/变量	描述
random.random()	返回一个0-1的随机实数
random.getrandbits(b)	以长整数方式返回n个随机的二进制位
random.uniform(a,b)	返回一个a-b的随机实数
random.randrange([start],stop,[step])
random.choice(seq)
random.shuffle(seq[,random])
random.sample(seq,n)

 
 
7. re 模块（正则表达式）

函数/方法	描述
re.compile(pattern[,flags])	将用字符串表达的正则表达式转换为模式对象
re.search(pattern.string[,flags])	在字符串中查找对应的模式
re.match(pattern.string[,flags])	在字符串开头匹配模式
re.split(pattern,string[maxsplit=0])	根据模式分割字符串
re.findall(pattern,string)	返回一个列表，包含字符串中所有与模式匹配的字符串
re.sub(pat,repl,string[,count=0])	将字符串中与模式匹配的字符串换成repl
re.escape(string)	转义字符串在所有正则表达式的特殊字符
object1.group([group1,…])	通常先用match方法进行，返回与模式中给定编组匹配的子串，没有指定在默认为0
object1.start([group])	返回与给定编组匹配的字符串的起始索引
object1.end([group])	返回与给定编组匹配的字符串的结束索引+1
object1.span([group])	返回与给定编组匹配的字符串的起始索引和结束索引+1

 
 
8. operator 模块（运算符）
 
 
9. math 模块
 
 

二、进阶模块

1. NumPy模块（处理存储大型矩阵数组）

创建数组 (简化numpy名为np）

import numpy as np
arr1=np.array([1,2,3])#通过列表创建数组
arr2=np.array([(1,2,3),(2,3)])#通过元组创建数组
arr3=np.zeros((m,n))#通过元组创建零矩阵(m行n列）
arr4=np.identity(n)#生产n维的单位矩阵
arr5=np.random.rand(m,n)#生产每个元素在[0,1]的随机矩阵(m行n列）
arr6=np.arange(起点，终点，步长值)#从起点开始，以步长为间隔生产一个等距序列（不含终点值）
arr7=np.linspace(起点，终点，n)#将起点和终点间的距离平均分成n个数值，生成等距序列（包含起点和终点值）

访问数组，矩阵

方法	描述
arr1.shape	返回矩阵的规格
arr1.ndim	返回矩阵的秩
arr1.size	返回矩阵元素总数
arr1.dtype.name	返回矩阵元素的数据类型
type(arr1)	返回整个数组对象的类型

索引切片

arr1[m,n]#返回第m行，第n列的元素（下标从0开始）
arr1[m:n,x:y]#切片，返回m到n行，x到y列的元素
arr1[:,y]#切片，返回矩阵第y列
arr1[-1]#切片，返回矩阵最后一行

运算与其他函数

运算	描述
+，-，*，**	返回加法，减法，普通乘法和幂运算（如arry1-arry2)
np.dot(arr1,arr2）	矩阵乘法
arr1.T	转置
arr1.I	求逆矩阵
np.linalg.inv(arr1)	返回逆矩阵（结果同上）
arr1.sum()	数组元素求和
arr1.max()	返回数组元素最大值
arr1.cumsum(axis=1)	按行累计总和
arr1.shape或arr1,shape(0)等	返回一个元组显示该数组的大小
np.tile(A,B)	将A数组重复B次（B可以是一个元组，表示行/列重复次数
arr1.argsort()	将数组从小到大排列后，返回其索引

通用函数、合并与分割

函数	描述
np.exp(arr1)	指数函数
np.sin(arr1)	正弦函数
np.sqrt(arr1)	开方
np.add(arr1)	加法（等同于+）
np.vstack((arr1,arr2))	纵向合并数组
np,hstack((arr1,arr2))	横向合并数组
np.hsplit(arr1,n)	横向分为n部分
np.vsplit(arr1,n)	纵向分为n部分

其他常用方法

函数	描述
np.empty((m,n))	返回一个给定规模的数组
np.all(array)	测试数组元素是否均为True
np.any(array)	测试数组元素是否至少有一个为True
np.average(array,axis,weights)	计算加权平均值
np.nonzero	返回数组非0元素的位置
np.sort	对数组元素进行排序
np.var	计算方差
np.where	返回数组满足条件的元素
np.reshape	转换数组的规模
np.eye	生产单位矩阵
np.transpose	转置，等同于.T
np.std	计算标准差
np.cov	计算协方差矩阵

 
其他：numpy库的其他介绍.
 
 
2. Pandas模块（分析复杂的数据）

创建数据框(简称pandas为pd）

import pandas as pd
df=pd.DataFrame(数据集名,columns=['a','b'],index=list2)
#DataFrame不能小写，数据集一般为字典或NumPy数组
df['a']  #获取数据框某一列

创建系列与向量化操作

df=pd.Series(数据集名,name)
#Series不能小写，数据集一般为字典或NumPy数组
df['a']或df[:3]  #获取数据框某一或几列

import numpy as np
print(np.sqrt(df))

df['d']=df['a']>1 #数据框的增

常用方法

方法	描述
pd.read_csv()	将.csv文件中的数据读入内存，快速构建数据框
pd.concat()	按横向或纵向合并两个Pandas数据结构
pd.get_dummies	将类别变量转变为独热编码
Series.isnull	判断系列中所有值是否含有空值
Series.is_unique	判断系列中所有值是否重复
Series.value_counts()	统计系列中所有取值的出现次数
DataFrame.mean()	按行或列分别计算平均值
DataFrame.dropna()	删除所有缺失数据的行或列
DataFrame.drop_duplicates()	删除所有重复的行
DataFrame.head()	默认返回数据框中的前五行
DataFrame.tail()	默认返回数据框中的后五行

 
 
3. scikit-learn模块（机器学习）
4. Matplotlib模块（绘图）

import matplotlib.pyplot as plt
plt.scatter(x, y,s=shapesize,c=color,marker="散点的形状")
plt.title("标题")
plt.xlabel("行标题")
plt.ylabel("列标题")
plt.savefig("路径")#存图路径
plt.show()