.pop
pop(index)方法是对可变序列中元素下标进行检索删除,返回删除值。list.pop(obj=list[-1]) //默认为 index=-1,删除最后一个列表值
remove(item)方法是直接对可变序中的元素进行检索删除,返回的是删除后的列表,不返回删除值(返回None)
del(list[index])方法是对可变序列中元素下标进行检索删除,不返回删除值
>>>list1=[1,3,6,7,8]
>>>del list[3]
>>>print list1
[1.3,6,8]
.shape
通过安装导入numpy库,矩阵(ndarray)的shape属性可以获取矩阵的形状(例如二维数组的行列),获取的结果是一个元组,因此相关代码如下:
import numpy as np
x = np.array([[1,2,5],[2,3,5],[3,4,5],[2,3,6]])
#输出数组的行和列数
print x.shape #结果: (4, 3)
#只输出行数
print x.shape[0] #结果: 4
#只输出列数
print x.shape[1] #结果: 3
loc
loc函数主要通过行标签索引行数据
# 数据集为以下内容,所有操作均对df进行
0 1 2 3
0 green M 10.1 class1
1 red L 13.5 class2
2 blue XL 15.3 class1
loc[1] 选择行标签是1的(从0、1、2、3这几个行标签中)
In[1]: df.loc[1]
Out[1]:
0 red
1 L
2 13.5
3 class2
loc[0:1] 和 loc[0,1]的区别,其实最重要的是loc[0:1]和iloc[0:1]
In[10]: df.loc[0:1] #取第一和第二行,loc[]中的数字其实是行索引,所以算是前闭+后闭
Out[10]:
0 1 2 3
0 green M 10.1 class1
1 red L 13.5 class2
In[12]: df.iloc[0:1]
Out[12]:
0 1 2 3
0 green M 10.1 class1
In[11]: df.loc[0,1]
Out[11]: 'M'
iloc 主要是通过行号获取行数据
Python字符串截取的规则为-前闭后开
##.tolist()
将数组或者矩阵转换成列表
>>> from numpy import *
>>> a1 = [[1,2,3],[4,5,6]] #列表
>>> a2 = array(a1) #数组
>>> a2
array([[1, 2, 3],
[4, 5, 6]])
>>> a3 = mat(a1) #矩阵
>>> a3
matrix([[1, 2, 3],
[4, 5, 6]])
>>> a4 = a2.tolist()
>>> a4
[[1, 2, 3], [4, 5, 6]]
>>> a5 = a3.tolist()
>>> a5
[[1, 2, 3], [4, 5, 6]]
>>> a4 == a5
True