python 计算整商_python常用计算类型方法总结

python常用计算函数总结

# pip 安装的时候，如果有些包已经存在，则用ignore忽略即可

# pip install moviepy --ignore-installed

import pandas as pd

import numpy as np

import random

from scipy import stats

import scipy as sp

import matplotlib.pyplot as mlp

import mhc_tools

#显示所有列

pd.set_option('display.max_columns', None)

pd.set_option('display.max_columns', None)

#显示所有行

pd.set_option('display.max_rows', None)

#设置value的显示长度为100，默认为50

# 常规格式化

'percent: {:.2%}'.format(42/50) #输出百分比

'percent: {:.2f}%'.format(42/50*100) #先转换成为百分位数

"%.2f%%" % (42/50)

# 求对数

x=np.e # log的默认底数是自然对数e

y=np.log(x)

# 反函数

x=np.e**y

# 求整、向上取整、向下取整、取余数、求商

import math

x=int(12/13) #四舍五入

x=math.ceil(12/13) #向上取整,1

x=math.floor(12/13) #向下取整,0

x=16%13 #取余数,3

x=15//13 #求商,1

x=divmod(16,13) # 求商和余数,(1, 3)

# 求平均值、众数、中位数、均方差、标准差

age=np.random.randint(1,10,10)

age_mean = np.mean(age) #均值

age_median=np.median(age) #中位数

age_mode=stats.mode(age)[0][0] #众数

age_4quantile=np.percentile(age, (25, 50, 75), interpolation='midpoint') #四分位数

age_var=np.var(age) # 方差

age_std=np.std(age,ddof=1) #标准差

# 统计某一列的元素频数

df = pd.DataFrame({'x':['a','a','b'], 'y':[2,2,6]})

x=df.x.value_counts() # 统计元素个数

df.x.nunique() # 统计不重复元素数

x=df.describe() # 统计性描述：最大、最小、方差、四分位数

# cut分组

number=np.random.random(10)

bins=[0,50,200,max(number)+1]

labels=['10','30','45']

pd.cut(number,bins) #按照指定序列分组

pd.cut(number,5) #均分

pd.qcut(number,5) #符合正太分布

# datframe 去重统计

df = pd.DataFrame({'x':['a','a','b'], 'y':[2,2,6]})

df.groupby('x').agg({'x':pd.Series.nunique})

# 取重复数据

data1=df.drop_duplicates(subset=None,keep='first',inplace=False)

data2=df.drop_duplicates(subset=None,keep=False,inplace=False)

data3=data1.append(data2).drop_duplicates(subset=None,keep=False,inplace=False)

df_duplicate=df.loc[df['x'].isin(data3['x'])]

df_duplicate=df.loc[df['x'].isin(df[df.duplicated()]['x'])]

# dataframe转字典

df = pd.DataFrame({'x':['a','a','b'], 'y':[4,2,6]})

df.T.to_dict(orient='list')

# list转字典

import string

num=string.ascii_letters+string.digits

list1=random.sample(num,10)

list2=np.random.random(5)

dict(zip(list1,list2))

方法一：

知识点：random.sample(sequence, k) 从指定序列中随机获取指定长度的片断

import random,string

num=string.ascii_letters+string.digits

print ( "".join(random.sample(num,10)) )

方法二：

知识点：random.choice(sequence) 从序列中获取一个随机元素

import random,string

passwd=""

num=string.ascii_letters+string.digits

for i in range(10):

passwd+=random.choice(num)

print (passwd)

方法三：

知识点：random.randint(a,b) 用于生成一个指定范围内的整数

import random,string

passwd = []

letters = string.ascii_letters + string.digits

length = len(letters)

for i in range(10):

letter = letters[random.randint(0,length - 1)]

passwd.append(letter)

print("".join(passwd))

方法四：列表、random.choice()、 random.randint()

import random

import string

passwd = []

for i in range(10):

if random.randint(0,1):

letter = random.choice(string.ascii_letters)

passwd.append(letter)

else:

letter = random.choice(string.digits)

passwd.append(letter)

print("".join(passwd))

方法五：

知识点：推导列表、random.choice()、 random.randint()

import random,string

推导列表1：

print ("".join([random.choice(string.ascii_letters) if random.randint(0,1) else random.choice(string.digits) for i in range(10)]))

推导列表2：

print ([random.choice(string.ascii_letters+string.digits) for i in range(10)])