Python学习之作业三

Python学习

1、字符串的相关操作

在完成第一道作业之前,查阅到如下有关操作:

isdigit():检测字符串是否只由数字组成

islower():检测字符串是否只由小写字母组成

isupper():检测字符串是否只由大写字母组成

isalpha():检测字符串是否只由字母组成

isspace():检测字符串是否只由空格组成

对于所给出的this.txt,根据上述方法,统计 this.txt 文件中字母(‘a’-‘z’)、大写字母( ‘A’-‘Z’)、数字(0-9)、其他字符的个数,代码如下:

with open(r"this.txt","r") as file:#读入文本
    UpperNum = 0#初始化数据
    LowerNum = 0
    OtherNum = 0
    txt = file.read()
    for i in txt:
        if i.isupper():#统计大写字母
            UpperNum += 1
        elif i.islower():#统计小写字母
            LowerNum += 1
        else:#其他字符
            OtherNum += 1
print("大写字母:" + str(UpperNum) + "个")
print("小写字母:" + str(LowerNum) + "个")
print("其他字符:" + str(OtherNum) + "个")

运行结果:

大写字母:25个
小写字母:652个
其他字符:180个

2、文件操作

os模块

os.getcwd():返回当前工作目录(如下图)
在这里插入图片描述
os.chdir():改变当前目录到指定路径
在这里插入图片描述
os.rename():重命名文件或目录

os.path.isdir():判断对象是否是一个目录

os.path.isfile():判断对象是否为一个文件

os.path.join():路径拼接

os.mkdir #创建文件

os.rmdir #删除文件

文本文件操作

open()函数:

f = open(r"path",“w”) # path为路径,“w”表示写,文件不存在,创建;若存在,重新写内容

f = open(r"path",“a”) # "a"表示追加,若文件不存在,创建;若存在,在末尾追加

f = open(r"path",“r”) # "r"表示读

f.write() #写入数据

f.close() #关闭文件

with语句:

with open(r"path",“r”) as f: 可以保证文件关闭

​ print(f.read()) #f.read()文件读取

实现类似DOS命令中的tree命令功能

输入特定的路径,以该路径为起点,将其子目录打印到tree.txt
在这里插入图片描述
代码如下:

import os
path = input("请输入路径:")
def ShowTree(path,depth):
    pathlist = os.listdir(path)#返回指定的path的列表
    for i in pathlist:
        print("| " * depth + "|__ " + i)
        f = open("tree.txt","a")#“a”追加操作
        f.write("| " * depth + "|__ " + i + "\n")
        f.close()#关闭文件
        path1 = os.path.join(path,i)#路径拼接
        if os.path.isdir(path1):#判断是否为目录
            ShowTree(path1,depth+1)#递归:深度优先遍历
ShowTree(path,0)

3、小结

对字符串操作以及文件的操作需要加深记忆,这样就不必每次使用时上网查阅。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习在近年来变得越来越流行,Python则成为了其中一个非常重要的组成部分。Python语言以其简单易懂、代码简洁的特点,成为了机器学习领域中最主流的编程语言之一,众多的程序员、数据科学家在使用Python开发机器学习算法时,体现了其强大的优点。 在机器学习Python作业中,我们需要对Python中机器学习方面的知识进行学习和实践。在这个过程中,我们的任务主要包括以下几个方面: 首先,我们需要了解一些机器学习的基础知识。我们需要学习各种机器学习算法,如线性回归、逻辑回归、支持向量机、决策树、神经网络等基础算法,以及它们的应用场景和特点。 其次,我们还需要掌握Python中用于机器学习开发的各类工具和库,如Scikit-learn、Tensorflow、Keras等。这些工具和库的使用,可以大大简化机器学习算法的开发过程,并提高我们的开发效率。 最后,我们需要根据所学习的知识,进行实践操作。我们可以实现某些具体机器学习项目,如人脸识别、股票预测、文本分类等,以实现对所学知识的巩固和实践。 在实践过程中,我们需要注重以下几个方面:数据的准备和预处理、选择合适的机器学习算法、对算法进行参数调优、对算法进行评估和性能优化等。通过这些实践过程,我们可以对机器学习算法有一个更清晰的认识,并掌握掌握Python中机器学习方面的技能。 总之,机器学习Python作业是一个非常有挑战性和收获的过程,其不仅提高了我们的机器学习技能,同时也培养了我们分析问题和解决问题的能力和方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值