zlrai5895的博客

在命令行输入ipython即可进入。 (1)在变量的前面或者后面加问号就可以把它的相关信息显示出来。比如 a=1 a?加两个问号可以显示出源代码。 (2)%run xxx.py 可以跑任何py文件（注是在ipython中） (3)执行

 在类的继承中，如果重定义某个方法，该方法会覆盖父类的同名方法，但有时，我们希望能同时实现父类的功能，这时，我们就需要调用父类的方法了，可通过使用 super 来实现，比如：class Animal(object): def __init__(self, name): self.name = name def greet(self): pr...

 print('{}/{}'.format('a', 'b'))

opt=vars(args)

存在赋值、浅拷贝、深拷贝问题的数据类型是对组合对象来说，所谓的组合对象就是包含了其它对象的对象，如列表，类实例。其他的单个对象则不存在这个问题。可变对象： list, dict.不可变对象有: int, string, float, tuple.  直接赋值：其实就是对象的引用（别名）。 浅拷贝(copy)：拷贝父对象，不会拷贝对象的内部的子对象。 深拷贝...

1.单继承时super()和__init__()实现的功能是类似的class Base(object): def __init__(self): print 'Base create' class childA(Base): def __init__(self): print 'creat A ', Base.__init_...

python用下划线作为变量前缀和后缀指定特殊变量_xxx 不能用’from module import *’导入__xxx__ 系统定义名字__xxx 类中的私有变量名核心风格：避免用下划线作为变量名的开始。 因为下划线对解释器有特殊的意义，而且是内建标识符所使用的符号，我们建议程序员避免用下划线作为变量名的开始。一般来讲，变量名_xxx被看作是“私有 的”，在模块或类外...

如下所示是一个 二重字典a={'d2': {0: array([[ 0.00871335, -0.00310053,  0.00816491, ...,  0.00694641,         0.00464299,  0.01580841],       [ 0.00882073, -0.00029377, -0.00521681, ...,  0.0017954 ,        ...

argparse模块的作用是用于解析命令行参数。例如：python parseTest.py --user 'we'二、使用步骤：import argparseparser = argparse.ArgumentParser()parser.add_argument('--input')args=parser.parse_args()x=args.input...

使用前 import numpy as np Numpy的重要特点是ndarray数组，里面存储的必须是同一种对象。 data.dtype 可以查看数组data里面元素的类型。 data.shape 可以查看数组data的大小。 （1）数组的创建 np.array(列表) 直接将列表转换为数组。 np.zeros(n) np.ones(n) 可以直接生

时间的数据分为三种： 时间戳，即特定的时刻 固定日期 时间间隔首先from datetime import datetimefrom datetime import timedeltafrom dateutil.parser import parse（1）日期和时间数据类型datetime.now() #可以通过now属性来调取年月日delta=datetime(2011,1,7)-d

groupby技术：frame data1 data2 key1 key20 0.175093 -0.298958 a one1 -1.582721 -1.418324 a two2 1.656209 -0.629433 b one3 -1.008196 1.722077 b two4 0.54

首先import matplotlib.pyplot as pltimport numpy as np（1）Figureplt.figure() #创建新的Figure。#不能使用空Figure画图，必须使用add_subplot创建一个或者多个subplotax=fig.add_subplot(2,2,1) #图像一共2×2个，当前选中的是第一个。ax2=fig.add_subp

首先import pandas as pd（1）连接pandas对象pd.concat([s1,s2,s3]) #s1,s2,s3是pandas对象，默认axis=0pd.concat([s1,s2,s3],axis=1) #生成DataFramepd.concat([s1,s2,s3],axis=1,keys=['one','two','three']) #添加列名df1.combin

在使用之前，首先from pandas import Series,DataFrameimport pandas as pdpandas对象包括 Series,DataFrame两种 （1） Series的创建： 1）只输入一个列表，自动创建索引。a=[1,2,3,4,5]In [3]:Series(a)Out[3]:0 11 22 33 44 5

首先 import pandas as pd pandas提供了一些将表格型数据读为DataFrame对象的函数。（1）读入本地文件为pandas对象pd.read_csv() #默认分隔符是逗号pd.read_table() #默认分隔符是\tpd.read_table(sep=',') #指定分隔符不需要指定数据类型。（2）保存p

 首先是最常见的必选参数def test_defargs(one, two): # 参数one没有默认值，two的默认值为2 print('Required argument: ', one) print('Optional argument: ', two)每次我们都要输入两个值，分别赋值给one two。这种参数叫做必选参数。必选参数在前，默认参数在后。...