Python进阶-模块和包/random/datetime/ pandas和DataFrame
Python进阶
| 1. 模块和包 2. random随机数 3. datetime日期模块 4. pandas和DataFrame |
1. 模块和包
| 1.1 模块：就是一个以.py结尾的文件，模块中可以定义函数，类和变量，可执行的代码 Python模块分为：内置模块和第三方模块
（1）模块安装：pip3 install 模块名1 -i 国内镜像地址 （或在pycharm中设置àpython解释器） 华为镜像源 https://mirrors.huaweicloud.com/ 阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/ 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ 浙江大学开源镜像站 http://mirrors.zju.edu.cn/ 腾讯开源镜像站 http://mirrors.cloud.tencent.com/pypi/simple 豆瓣 http://pypi.douban.com/simple/ 网易开源镜像站 http://mirrors.163.com/ 搜狐开源镜像 http://mirrors.sohu.com/ （2）导入模块中全部功能：import 模块名1 as 别名，模块名2 as别名2 部分功能：from 模块名 import 函数名1 as别名1，函数名2 as 别名2 （3）导入模块后使用方式：模块名/别名.函数/变量名 |
| 1.2 包：包中包含多个模块，可以将多个功能相似或关联的模块放在一起管理 |
| 1.3 os模块常用方法： （1）获取当前工作路径：getcwd（）
（2）获取当前路径下的文件及文件夹列表：listdir（）或walk（）
（3）判断路径下的文件是否存在：.path.exists（"路径"）
（4）创建文件夹：mkdir（"路径"）创建单个文件夹，当文件存在时无法创建， makedirs（）递归创建多个嵌套文件夹
（5）删除文件夹：rmdir（"路径"），只能删除空文件夹 （6）路径拼接：os.path.join（"路径1"，"路径2"）
（7）拆分路径：os.path.split（path）拆成绝对路径和文件名
（8）获取绝对路径：os.path.dirname（path）
（8）获取文件名：os.path.basename（path）
（9）判断路径是否为文件夹：os.path.isdir（path）
判断路径是否为文件：os.path.isfile（path）
（10）返回当前操作系统下的路径分隔符：os.path.sep
（11）查看文件字节大小：os.path.getsize（path） （12）查看当前模块下的模块或方法：dir（）
|
2.random随机数
| 2.1 常用方法： （1）random.random（）：随机产生0-1 的浮点数
（2）random.randint（a,b）：随机生成a,b之间的随机整数
（3）random.uniform（a,b）：随机生成a,b之间的浮点数
（3）random.choice（序列）：随机从序列中生成一个随机数
（4）random.sample（序列，长度）：随机从序列中获得指定长度的随机数
（5）random.shuffle(序列)：打乱
|
3.datetime日期模块
| 3.1 date （1）获取当前日期：datetime.date.today()，获取年，月，日
|
| 3.2 time 时间转换
|
| 3.3 datetime：now（）获得程序当前时间，today（）获得今天时间
|
| 3.4 timedelta |
| 3.5 tzinfo虚拟基 |
4.pandas和DataFrame
| 4.1 series：是pandas中一维的、可变长度的、有序的、带标签的数组 （1）series的生成：通过列表、字典、标量等等可迭代对象生成（可指定索引）
（2）series矢量计算：
numpy.nan 为空值：任意计算都为空，需做处理为0后计算
索引对齐：索引相同的可以直接计算，索引不同的自动补齐NaN值计算出空值
（3）位置索引（通过iloc[]取值）和标签索引（通过loc[]取值）：
（4）切片： 通过位置索引切片：series名.iloc[start : stop : step]（左闭右开）
或通过标签索引切片：series名.loc[start : stop : step]（左闭右闭）
（5）添加或修改值：有该索引则修改，无则新增（位置索引只能修改，不能用此方法新增）
（6）删除元素（默认inplace=False，删除则为原地操作True）：原地操作即在原件中操作，False则为复制一份再删除
（7）其他常用函数：add(),sub(),div(),mul(),isnull(),notnull(),sum(),max()........ replace（）:替换操作
contains（）:查看每个元素是否包含某个字符，每次判断返回一个bool值
|
| 4.2 DataFrame：一种数据类型（可以变相的理解为多个sseries组合而成） （1）创建方式： 通过列表创建
通过字典创建：
使用series转换成DataFrame：.to_frame()
（2）读取表格：read_excel或read_csv对应读取不同格式的表格
（3）写出表格：写出为csv文件或其他类型的文件to_csv、to_excel.........
（4）更改表格中字段数据类型： df = pandas.read_csv(r"E:\desktop\1_copy.csv",usecols=["列名"]) df["列名"] = df["列名"].astype(float) （5）查看行数df.index：
列名list(df)：
查看具体信息df.info()：
读取前n行，默认为5行df.head()：
读取后n行，默认为5行df.tail()：
查看数据形状df.shape：
随机抽取数据中n行，默认抽取一行df.sample()：
查看单列数据：df["列索引"]或df. 列索引
查看多列数据：
（6）增加或修改单列：df["列索引"] = 列数据（如果列索引存在则修改，不存在则新增） 修改或增加多列：df.assign(列索引=数据，列索引2=数据..........) （7）删除单列：df.drop("列索引", axis = 1)（axis默认为0为行，=1则为列） 删除多列：df.drop(["列索引1","列索引2"..........], axis = 1) del ，pop：删除 （8）位置索引和标签索引： 切片：通过位置索引切片：df.iloc[start : stop : step]（左闭右开）； 或通过标签索引切片：df.loc[start : stop : step]（左闭右闭） （9）增加一行数据（了解，不推荐使用）：df._append([[数据1，数据2......]]， colnmns=[列名1,列名2......]) 增加行（常用）：pandas.concat（[df1,df2,df3.....] , keys= , axis= ）keys为指定合并后的列名，多个列名使用列表传入；axis合并方向按照行或列合并，默认为0按行合并（合并成多行），为1则为按列合并（合并成多列） （10）删除行：df.drop（[行索引1,行索引2.......],inplace = True/False）inplace默认为False非原地操作 （11）获取表格中某个元素： df.loc[3].loc["c"]可合并成àdf.loc[3, "c"] 或df.iloc[2].loc[2]索引种类不同不能合并 随机生成df，行标签索引为1-10，列标签索引为a-e：
先取行再取列等价查询方式：先取行再取列一共有四种取法：loc[].iloc[] , loc[].loc[], iloc[].loc[], iloc[].loc[]
先取列，再取行：直接用df.列标签索引.行索引（df.列标签索引取出来为series多个元素）
（12）获取表格中多个元素：[]中括号内填写列表 取多行
|
