python 小白的入门（一）:数据类型篇

1.基础类型：

int、float、str、bool、None
可用type（）函数查看数据类型
tips1： python中单引号和双引号作用一致，根据输出内容的需要，可单引号套双引号，例 ’ " ’ ；或单引号内套双引号，例 " ’ "。输出格式复杂时可使用三引号。

2.列表list,一维或多维

例：a = [1,2,3,4] , b=[[1,2,3,4],[2,2,3,4]]
引用： a[0]、a[0:3] (左闭右开区间)
常用函数： sum(a) , len(a)，
a.append() , a.pop() , a.insert()
tips2： list变量和list函数不能同时使用，倘若误用list表示变量名，则可用ls=list, del list处理，就可使用list函数了。

3.元组tuple

例：t = (1,2,3,4）
和列表相似，不能修改。

4.字典dict

例：d = {‘name’:‘lulu’,‘age’:18,‘sex’:‘female’}
引用： 列表和元组都是有序元素的集合，因此可以使用数字索引，如a[1],t[1]。而字典是无序集合，存储的是键值对（keys：values），因此引用方式为d[‘name’].
其优势在于查找速度快，劣势是占用内存多。
常用函数： d.pop[‘age’]
d.get(‘name’,1), d.setdefault(‘sex’,‘male’)
提取key：list(d.keys())
提取value：list(d.values())
提取元素：list(d.items())

5.集合 set

用于列表去重，可进行交并差等集合运算。
去重：set（a）
交集：set(a) & set(b)
并集：set(a) | set(b)
差集：set(a) - set(b)

6.pandas.Series

带索引的一维数组
import pandas as pd
例：
s = pd.Series(list，index=)
s = pd.Series(dict)
引用： s[0], s[‘name’], s.name
函数： s.dtype() , s.astype(‘str’)
series 和 list 的区别和联系：
联系：都可表示带数字索引的一维数组，都可用[]引用
区别：series的索引可为自定义的标签，而list只能用默认的数字；series可用. 表示引用，而list只能用[]；series只能表示一维数组，而list可以表示多维。

7.pandas.DataFrame

例：df = pd.DataFrame(list,index=,columns=)
df = pd.DataFrame(dict,index=,columns=)
引用：
1.检索某一列：
df[‘列名’]，df.列名：结果均为series类型
2.检索某一个值：
df.loc[索引名，列名]
df.iloc[数字索引，数字索引]
3.检索符合条件的某行：
df.loc[df.name==‘lulu’]
df[~（df.name==‘lulu’）]
df.query(" name==‘lulu’ ")
4.检索符合某一条件的值：
df.loc[df.name==‘lulu’,‘age’]可直接赋值修改
tips3：df.loc[0]数据类型为series，而df.loc[df.name==‘lulu’]数据类型为dataframe
df函数太多，就不在次列举了。有机会单列一篇。

8.函数

定义函数：
def double（x）:
return x2
s = double(1)
s = list( map(double,1 ) )
s = list( map(double, [1,2,3,4]) )
s = list( map(lambda x:x2, [1,2,3,4]) )
map(函数名，列表名)：对列表中的每一个值都执行一次该函数

9.for的妙用

生成1-100的奇数集合：
list = [ i for i in range(1,100,2)]
list = [ i for i in range(1,100) if I%2==1]