《Python数据科学入门》之阅读笔记（第2章）
Python数据科学入门
Dmitry Zinoviev著
熊子源 译
第二章 数据科学的Python核心
第4单元 理解基本的字符串函数
大小写转换函数：
| lower() | 将所有字符转换为小写 |
|---|---|
| upper() | 将所有字符转换为大写 |
| capitalize() | 将第一个字符转换为大写，同时将后面的字符都转化为小写 |
（这些操作都不会影响其他非字母字符）
字符串判定函数：
| islower() | 判断字符串中的所有字母是否都是小写 |
|---|---|
| isupper() | 判断字符串中的所有字母是否都是大写 |
| isspace() | 检查所有字符是否为空格 |
| isdigit() | 检查所有字符是否为0-9中的数字 |
| isalpha() | 检查所有字符是否为a-z，A-Z中的字母字符 |
符号b表示二进制数组：
Array1 = b”hello” #二进制数组
Array2 = ”hello” #字符串数组
>>>Array1[0]
104
>>>Array2[0]
‘h’
Array1.decode() #将二进制数组转化为字符串数组
Array2.encode() #将字符串数组转化为二进制数组
去除字符串周围的空格：
| strip() | 删除整个字符串前后的空格 |
|---|---|
| istrip() | 删除字符串左边（开始处）的空格 |
| rstrip() | 删除字符串右边（结束处）的空格 |
（不删除字符串内部的空格）
分割、连接字符串：
Split(delim=””) #使用delim中的内容作为分隔符，来分割字符串
“”.join() #使用””中的内容将()中的内容连接起来
查找字符索引：
“”.find(needle) #查找needle在””字符串中第一次出现的索引值
“”.Count(needle) #查找needle在””字符串中出现的次数
（区别字符串大小写）
第5单元 选择合适的数据结构
| 列表 | 搜索时间是线性的，不适合存储大量的可搜索数据 |
|---|---|
| 元组 | 不可变的列表，搜索时间也是线性的 |
| 集合 | 不存在索引，适合成员查询和消除重复项 |
| 字典 | 构建一个从键到值得映射，适合键值的查找 |
字典说明：
1，通过（键，值）这样的元组列表创建字典
2，使用内置类构造函数enumerate（seq）创建字典（seq为值，键位对应的序号）
3，使用内置类构造函数zip（kseq,vseq）创建字典（kseq为键序列,vseq为值序列（两个序列的长度相同））
第6单元 通过列表推导式理解列表
列表推导式是将数据集（不一定是列表）转换为列表的表达式。
（没什么只要知识点，本来也就没有多少内容，就没有总结了）
第7单元 使用计数器
Collections()模块定义计数器
将计数的集合传递给构造函数counter，然后使用most_common()方法获取各项及其出现频率。
from collections import counter
phrase = “a man a plan a canal panama”
cntr = counter(phrase.split())
cntr.most_common()
第8单元 使用文件
With语句：显式的打开一个文件，在退出Python后能自动关闭文件
#普通语句
f = open(name,mode=”r”)
f.close()
#with语句
With open(name,mode=”r”) as f
| f.read() | 以字符串或二进制形式读取文件所有数据 |
|---|---|
| f.write() | 以字符串或二进制形式向文件写入内容 |
第9单元 上网
Urllib.parse模块提供解析和构建网址的工具
Urlparse()方法将网址分为六个元素的元组：协议、网络地址、文件系统路径、参数、查询和片段
第10单元 使用正则表达式实现模式匹配
将一个需要使用多次的正则表达式编译成Pattern对象，使得模式匹配更高效
CompiledPattern = re.complie(pattern,flags=0)
正则表达式说明
基本操作：
| · | 除换行符外的任意字符 |
|---|---|
| a | 字母a |
| a|b | a或b |
字符类:
| [a-d] | a,b,c,d中任一字符 |
|---|---|
| [^a-d] | 除a,b,c,d中任意字符 |
| \d | 一个数字字符 |
| \D | 一个非数字字符 |
| \s | 一个空白字符 |
| \S | 一个非空白字符 |
| \w | 一个字母数字字符 |
| \W | 一个非字母数字字符 |
数量相关：
| X* | 0个或多个X |
|---|---|
| X+ | 1个或多个X |
| X? | 0或1个X |
| X{2} | 2个且仅2个X |
| X{2,5} | 2-5个X |
转移字符：
| \n | 换行符 |
|---|---|
| \r | 回车符 |
| \t | Tab |
界定符号：
| ^ | 字符起始处 |
|---|---|
| \b | 单词边界 |
| \B | 非单词边界 |
| $ | 字符结束处 |
Re模块
re.split(pattern,string,maxsplit=0,flags=0) #通过Pattern（正则表达式）将字符串分为maxsplit个字符串，并返回子字符串列表
re.match(pattern,string,flags=0) #检查字符串开头是否与Pattern相匹配
re.search(pattern,string,flags=0) #检查整个字符串是否存在Pattern部分
re.findall(pattern,string,flags=0) #查找与Pattern相匹配的所有子字符串
re.sub(pattern,repl,string,flags=0) #用repl替换字符串的所有非重叠匹配部分
第11单元 globbing文件名
Globbing是匹配特定文件名和通配符的过程，是正则表达式的简化版。
（通配符可以包含特殊字符’*’,”?”。+·不是特殊字符）
第12单元 Picking数据
Pickle模块用于实现序列化——将任意的Python数据结构保存到一个文件中，并将其作为Python表达式读回。
（"We can never learn to fly without crashing a few times."--《The Flash》）