Python入门教程

一、Python基础语法

1.变量类型
int 整型
float 浮点数
string 字符串
print(type(a)) 查看a的数据类型
2.基础数学运算
/ 除
% 模量（求余）
** 求指数（求方）
roung(a,6) 对a取整，保留6位数
3.Python基础语法
输出 print(a) print(a,b,c)
缩进代替括号的包含关系
多个语句写到一行要用 ；分隔
不必要运行的代码前加 # 跳过
4.Python中常用的数据结构
（1）list 列表 l=[a,b,c,d]

l[i]  #列表的第i+1个元素
l.append(e)  #在列表l中加入元素e  
l.extend([5,3.4,"uy"])  #列表中加入一组元素
l.insert(2,要插入的内容)   #在第三个位置插入内容
l.remove(元素)  #移除l中的某个元素
del l[i]  #移除l中第i+1个元素
l.pop(i)  #移除l中第i+1个元素
l.+tap键  #查看其他指令
b=a.copy()   #b为a的copy，修改b不影响a
print(l[1][1])  #输出列表l第二个元素中的第二个元素

（2）tuple 元组

a=(1,5,"re",5)
print(a[2])   #输出元组a中的第3个元素	
				

（3）dictionary 字典

d={"Name":"Jam","Job":"Teacher"}
print(d["Job"])   #输出对应的内容，例如Teacher
d["age"]=35   #在原有字典基础上加入一组
del d["age"]   #删除字典中某一组

（4）set([ ]) 保留输入的数据中独一无二的元素
5. Python中的比较算法
!= 不等于
== 等于
逻辑运算 or and not
if + 判断的条件 if、else后面必须加：
6. 循环语句
while

if

（1）for 可进行嵌套
（2）break语句 终止循环
（3）continue 跳出，直接进入下一循环
二、Python常用知识

1.Python函数

	def 函数名称（变量1，变量2，变量3，……）
			因变量 = 变量1，变量2等之间的运算
			return 因变量

print （函数名称（对应变量赋值））

def max(a,b):
    if a>b:
        return(a)
    else:
        return(b)

2.文件的读写
（1）只读

file=open("路径+文件名"，“r”)
			print(file.read(n)) #只读前n个元素 
			file.close()  #读后要close，否则不能操作源文件
			print(file.readline())  #按行读取
			print(file.readlines())  #读取所有行

（2）写入

file=open("路径+文件名","w")  
			file.write("要写入的内容")
			file.close()

（3）写入但不覆盖原文件的内容

file=open("路径+文件名","a")
			file.write("要写入的内容")
			file.close()

3.Python的模块

 定义某函数的一个新名称，便于调用
 import+模块名称
 模块名称.函数名称
 又可form+模块名称 import 函数名称 as 简称

import numpy as np

三、numpy与数据分析

1.numpy的生成与属性查看

import numpy as np #载入numpy包

a=np.array([1,2,3,4]) #生成1*4或者4*1的矩阵

b=np.array([[1,2,3,4]]) #生成1*4的矩阵

c=np.array([1,2,3,4],[4,3,2,1]) #生成对应元素的矩阵

b.size #显示b中包含的元素数
b.shape #显示b中元素的分布情况（例如b矩阵的规格）
b.ndim  #显示b的维度

2.向量和矩阵的生成
（1）生成向量

np.arange(10) #生成0,1，……，9

np.linspace(0,10,20)  #0到10之间平均生成20个数

（2）矩阵的生成

temp=np.zeros((5,5))  #生成5×5的零阵

temp=np.ones((5,5))  #生成5×5的一阵

temp=np.random.rand(4,5) #生成0到1之间随机均匀分布的4×5的矩阵
temp=np.random.rand()  #生成一个随机数

temp=np.random.randn(7,5)  #生成高斯分布矩阵

矩阵之间可进行简单的加、减运算
（3）矩阵运算

np.dot(a,b)  #a，b矩阵的乘法

a.T  #求矩阵a的转置

矩阵的拼接

np.vstack([a,b])  #在垂直方向上拼接
np.concatenate((a,b),axis=0)

np.hstack([a,b])  #在水平方向上拼接
np.concetenate((a,b),axis=1)

矩阵变形

np.reshape(a,(3,1))  #将矩阵a改写为3×1的矩阵（元素相同的才能改写）

（4）向量和矩阵的索引
向量索引

print(a[0])  #输出第一个元素
print(a[0:3])  #输出第一个到第三个元素
print(a[1:3])  #输出第二个到第三个元素
print(a[3:])  #输出第四个及后面所有的元素
print(a[:3])  #输出前三个元素
print(a[1:-1])  #-1表示倒数第二个元素

矩阵索引

print(b[2,0])  #第三行第一列的元素
print(b[2][0])
print(b[3])  #输出第四行的元素
print(b[3,:])
print(b[:,3])  #输出第四列的元素
print(b[1:3])  #输出第二到三行的元素

3.Numpy常用计算

np.log(a)  #求log（a）
np.max(a)  #求最大值
np.mean(a)  #求平均值
np.std(a)  #求标准差
np.sin(a)  #求sin正弦
np.exp(a)  #求e的a次方
np.abs(a)  #求绝对值
np.argmax(a)  #求最大值的索引
np.argmin(a)  #求最小值的索引

四、Pandas和Matplotlib

1.Pandas 数据分析

import pandas as pd  #导入Pandas包

（1）生成对应的列表

data=pd.DataFrame([1,"abc",3,4.5])  #列表对应的内容
data.columns=["number"]  #列表的题目
data.index=["a","b","c","d"]  #列表的目录
data  #放出来看一看

（2）导入文件

data=pd.read_csv("路径+文件名称")  #导入数据
data.to_csv("文件名（原文件或新文件）")  #存入数据

查看数据

文件名.index  #索引的个数及步长
文件名.columns  #每列的索引
文件名.head(n)  #文件的前n行
文件名["某一列索引"]  #提出文件中的某一列
文件名.loc[3,"Job"]  #提出第三行的“Job”列
文件名.iloc[3:5,0:1]

(3)数据预处理
建立数据连接

pd.read_csv("文件名")
pd.concet([文件1，文件2])  #NaN也会被贴进来
文件1.append([文件2，文件3])  #将文件2和文件3贴入文件1

进行数据清洗（清洗掉文件中的NaN的情况）

data.isnull()
data.dropna()  #将含有NaN的行删掉
data.fillna(0)  #将NaN的格子清洗为0

（4）常用函数

文件名.drop(r)  #drop其中的第r行
文件名["Age"].sum()  #求和
文件名["Age"].mean() #求平均值
文件名["Age"].std()  #标准差
文件名["Age"].argmax()  #求最大值索引
文件名["Age"].argmin()  #求最小值索引
文件名.sort_values(by="Age")  #根据从小到大或首字母排序
文件名["Job"].unique()  #提取出独立不同分类的名称
文件名["Age"].values  #将清洗后的元素提取出来
文件名["Job"].describe()  #对此列进行统计，包括平均值、最大、最小值

2.Matplotlib代码作图

导入安装包

import matplotlib.pyplot as plt

（1）做一张图

plt.plot(x,y)  #做出x，y的图像
plt.legend()
plt.xlabel("x")  #标注x轴
plt.ylabel("y")  #标注y轴
plt.xlim(0,5)  #x轴上取值0到5
plt.ylim(0,5)  #y轴上取值0到5
plt.title("名称")  #标注图像名称
plt.grid(True)  #标注网格线
plt.show()  

（2）一张图上展示多张小图

plt.figure()
plt.subplot(1,2,1)  #一行两列的大图中的第一个图
plt.plot(x,y1,"r-")  #图片的变量及颜色
plt.subplot(1,2,2)  #一行两列第二个图
plt.plot(x,y2,"b--") 

(3)色带作图

m=np.zeros([100,100,3])  #绘制白底
m[10:20,:,:]=255  #指定色带颜色
m[:,30:50,0:2]=255
plt.inshow(m)