总结了一些常见的Python用法的小坑，以下Python用法信息适用于Python 2.7.13版本。
最近更新时间：2018-01-17
1. 使用int()转换为整数型时，会做向下取整。例如int(38.8)会得到38，而不是39
2. 在使用input()和raw_input接收用户输入时，注意前者获得是一个合法的Python表达式，而后者获得的是一个任何字符串。例如input()输入12会得到一个数值，输入3+1会得到4，而输入abcde则会报错，除非abcde是一个变量或常量对象，因为这不是一个合法表达式，如果要输入字符串需要使用’abcde’。而在raw_input中所有被输入的对象都会被转换为字符串，例如还是上面输入，结果会分别得到’12’、’3+1’、’abcde’。
3. =是赋值符号，==是等值判断符合，二者可能用错，尤其在条件判断中会手下笔误的使用=做判断
4. 区别/和%的作用，前者用于取除数的整数，后者用于取余数。例如5/2=2，而5%2=1。/的结果跟分子或分母的类型有关，例如5./2=2.5(而不是2)。
5. continue和break都有类似于“终止”当前程序执行的意思，但前者用于跳过当次的迭代直接进入下一次，而break则直接终止所有迭代，跳到循环外的语句继续执行。
6. 记得对太长的字符串或公式使用换行符。根据PEP 8规范，每行最大长度79，换行可以使用反斜杠，最好使用圆括号，换行点要在操作符的后边敲回车。
7. 使用print输出浮点数并转换为整数时，如果使用d做格式化，那么会“直接截取”整数部分，如果使用f保留0位小数，则会四舍五入。例如n=12.556， print (‘The number is: %.0f’ % n)的结果是The number is: 13。而print (‘The number is: %d’ % n)的结果是12。这点跟int()比较类似。
8. 文件目录中尽量使用/而不是\，例如c:/test/a.txt而不是c:\\test\\a.txt，虽然两个语法的结果是相同的，但前者明显更简洁。(当然，更不能用c:\test\a.txt，这是错误的)
9. 使用Python默认的文件读取方法时，记得在最后使用close()将其关闭掉，否则在多个应用都调取该文件或做操作时会由于冲突而报错。另外一个比较好的办法是使用with open() as f这种方法直接读写文件，这样就不用“手动”文件了，它会在该程序执行完之后自动关闭。
10. 文件读取模式的+模式很好用，例如a+，w+等，尤其在测试时无需关注是否有存在文件可以直接做文件写入。但是在生产应用时，注意先清空里面的测试内容。
11. 使用pandas.read_csv指定分隔符时，如果分隔符不是一个符号，例如多列之间通过“|+|”(没错，是三个符号)分隔的，那么分隔符sep的值为”\|\+\|”，这是python正则表达式语法。
12. 在使用pandas做数据切分时，使用columns可以直接选择目标列的数据，但下面2种选择后的结果是不同的。例如：
data_pd = pd.DataFrame(np.arange(12).reshape(3,4),columns=[‘1′,’2′,’3′,’4’])
pd1 = data_pd[[‘1’]]
pd2= data_pd[‘1’]
使用print方法打印后的结果分别如下：
print (pd1)
1
0 0
1 4
2 8
print (pd2)
0 0
1 4
2 8
Name: 1, dtype: int32
二者看似结果相同，但实际上是不同类型(tyoe)的对象，前者是一个DataFrame，后者是一个Series。这会影响后后续对于该对象的处理，DataFrame和Series也包含了不同的方法。例如：
columns值：pd1是有columns方法的，能获取到值为’1’(列名)；而pd2是没有columns方法的。
遍历：如果使用for方法遍历pd1，那么只能得到pd1的列名(’1’)；而遍历pd2时，可以得到每个值。当然，如果你愿意，你仍然可以通过pd1.values.tolist()方法获取到pd1中的值，pd2也是如此，但前者获得的是一个嵌套列表的列表[[0], [4], [8]]；后者是一个字符串组合的列表[0, 4, 8]。
13. 通常，当数据中包含NaN(空值)时，在做筛选时是无法使用is nan或==nan判断出来的。原因是NaN代表的是一个非浮点数(比如无理数)，并不是一个具体数值。例如，使用np.NaN == np.NaN会得到False，而不是True，这跟Python中其他对象跟自身做判断是截然不同的。要判断特定对象中是否包含NaN值或是否是NaN，可以使用np.isnan做判断。方法是：
strs1 = np.nan
print(np.isnan(strs1))
>>True
strs2 = 12
print(np.isnan(strs2))
>>False
但是，当对象的类型是非数值型时，例如字符串，那么会报错TypeError。例如：
strs3 = ‘ab’
print(np.isnan(strs3))
>>…TypeError: ufunc ‘isnan’ not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ”safe”
此时，可以配置try except来解决该问题，即在try中通过np.isnan(object)判断，如果得到true执行缺失值处理方法；如果得到false进行数值型处理方法；如果报错，则执行其他处理方法，具体处理方法要根据实际对象的类型而定。
try: # 如果为空
np.isnan(strs3)
#执行特定方法
except TypeError: # 如果不为空，会报错
#执行特定方法
14. 在使用sklearn的GridSearchCV做超参数优化时，可能会报错sklearn.externals.joblib.my_exceptions.JoblibValueError错误，出现这种错误通常由于存在版本问、参数配置或代码层面有问题，但只通过这个错误信息是无法找到根源的，解决方案通常有三种：
使用from sklearn.model_selection import GridSearchCV来代替from sklearn.grid_search import GridSearchCV来使用最新的库引用
使用pip install -U scikit-learn或conda install scikit-learn更新sklearn到最近版本
将GridSearchCV中的n_jobs值设置为1，然后再次运行，此时会出现真正导致错误的原因的错误提示，找到原因并修复；然后再次设置n_jobs=-1，此时就可以正常运行。
====================【好书推荐，我为自己代言】====================
《Python数据分析与数据化运营》第二版上市啦！
50+数据流工作知识点14个数据分析与挖掘主题8个综合性运营分析案例涵盖会员、商品、流量、内容4大主题360°把脉运营问题并贴合数据场景落地
本书主要基于Python实现，其中主要用到的计算库是numpy、pandas和sklearn，其他相关库还包括：
标准库：re、time、datetime、json、 base64、os、sys、cPickle、tarfile
Python调用R的rpy2
统计分析：Statsmodels
中文处理：结巴分词
文本挖掘：Gensim
数据挖掘和算法：XGboost、gplearn、TPOT
爬虫和解析：requests、Beautiful Soup、xml
图像处理：OpenCV和PIL/Pollow
数据读取：xlrd、pymongo、pymysql
数据预处理：imblearn
展示美化类：Matplotlib、pyecharts、graphviz、prettytable、wordcloud、mpl_toolkits、pydotplus
如果你对以下内容感兴趣，那么本书将值得一看：
KMeans聚类的自动K均值的确立方法
基于软方法的多分类模型组合评估模型的应用
基于自动下探(下钻、细分)的应用
基于增量学习的多项式贝叶斯分类
pipeline管道技术的应用
基于超参数的自动参数值的优化方法
特征自动选择
文本分类、文本主题挖掘
基于自动时间序列ARIMA的P、D、Q的调整
python决策树规则输出
基于自定义图像的文本标签云
非结构化数据，例如图像、音频、文本等处理
对象持久化处理
如何使用Python调用R实现数据挖掘
自动化学习：增加了对于自动化数据挖掘与机器学习的理论、流程、知识和应用库介绍，并基于TPOT做自动化回归和分类学习案例演示
有关这本书的写作感受、详细内容介绍、附件(含数据和代)下载、关键知识和方法以及完整书稿目录，请访问《Python数据分析与数据化运营》第二版出版了！要购买此书，可以去京东、当当和天猫等查看。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
