Python难点

Python难点

1.Debug

主要有两个标记：1.直接执行到下一个断点。2.一条一条的执行

2.数据转换

• float转换为int类型，会将小数部分去除，只保留整数部分。

• int类型可以随意转化为str

• int类型转化为float类型，小数点后面会加一个0

3.f字符

{变量:类型}

4.算数运算符

• 除法运算中，结果必定为浮点型
• 浮点型参与运算后，结果一定为浮点型

5.三条目运算

a=2
b=1
max=a if(a>b) else b

6.字符串

字符串切片

str='我家在济南市长清区张夏镇'
'''
起始位置可以省略
若起始位置省略，则步长为正数，则起始位置为0
若起始位置省略，则步长为负数，则起始位置为末尾
若结束位置省略，则步长为正数，则结束位置为末尾
若结束位置省略，则步长为负数，则结束位置为0
'''

字符串查找

• index:查找字符串所在位置，查询其从左到右第一个索引号
• find：查找字符串所在位置，查询其从左到右第一个索引号
• rindex：从左往右
• rfind：从左往右
• count:查找出现的个数

修改字符串（拆分与合并）

• replace(a,b)：把a替换为b
• split():去空格，变为列表
• join（）：给列表加入间隔符号变成字符串

字符串大小写转换

• capitalize():将字符串第一个字母大写，其余小写

• title():把所有单词首字母大写

• upper():所有字母均大写

字符串两侧内容删除

• strip():无参数为删除两侧空格，有参数为删除两侧指定参数

• rstrip():右侧

• lstrip():左侧

字符串对齐

• rjust(10,’￥’):右对齐，10代表总的大小，剩余部分用￥t填充

str='你好啊啊'
print(str.rjust(10))  #       你好啊啊
print(str.rjust(10,'$'))  # $$$$$$你好啊啊

• ljust(10,’￥’)

字符串判断

• startwith（）: 判断是否以…开头，可指定范围
• endwith()：
• isalnum():判断是否无空格,全为数字
• isalpha():判断是否全为字母

未知函数补充

• 公用函数：enumerate():获取容器内元素可带序号

• lambda函数

  • 数组按照字典中的值进行排序

    list1=[{'尹燕辉':10},{'燕辉尹':20},{'辉燕尹':5}]
    list1.sort(key=lambda x:list(x.values())[0])
    

7.不定长参数与关键字不定长参数

def max(*args)
def max(**keargs)

8.修改文件

• 为什么要关闭文件？

  • 在文件打开状态时辉保持连接，会持续消耗内存。（内存泄漏）

• 当文件所有内容读取完成后，会持续返回空字符串，因此识别标志为

  if content == '';
  	break
  

• 文件函数

  • readline():读取一行，并且以‘/n’结束
  • readlines():一次性将文件全部读下去，将文字以一行为一个元素保存到列表当中

• 文件操作

  1.os.mkdir(‘student’):创建一个student文件夹

  2.os.rmdir(‘student’):删除student文件夹

  3.os.getcwd():获取当前活动的工作目录

  4.os.chdir(‘文件’)：切换到文件目录下

  5.os.listdir():当前目录下的目录结构

9.面向对象

常用的函数

• init:在对象创建完成后，初始化对象过程中自动调用的方法

• 在init之外的方法，不是每个对象都拥有，称为独有属性

• str:

  1.强制类型转换 str(对象)

  2.隐式类型转换 print打印

• del:程序结束后，变量释放，自动调用del方法，不占内存，使用del操作可以提前释放。

• __dict__：查询对象的属性，该属性以字典形式保存
  

面向对象的三大特性

面向对象的三大特性：封装、继承、多态

• 在属性名前加上__可以进行私有化(dict私有属性方法可以查询)

• 通过get方法可以获取私有属性的值，set方法可以改变私有属性的值

      def get_age(self):
          return self.__b
  
      def set_age(self, c):
          self.__b = c
          return self.__b
  

• 继承：

1.在继承中可以多级继承，子类中可以使用父类及父类的父类中非私有的属性和方法

2.如果在父类或者更高级的父类中实现了init方法，并且书写了参数，则实例化对象时，必须传值。

3.使用类名mro可以输出类的继承链条。

• 多继承

  1.两个父类同时有重名函数，则谁写在前面就调用谁的。

• 多态

  1.子类中调用父类三种方法

  • super().方法名() # 只能调用当前类的上一级类中的方法或函数

  • 类名.方法名(self) #所使用的类名，必须在当前类的继承关系中

  • super(要从哪个类的上级类开始查询,self)

    self是指调用的对象

类属性方法

• 类属性（所有对象共有的属性）

  1.修改类属性应使用：类名.属性名，而不是对象名.属性名[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fUvrskDz-1689645252200)(Python%E9%9A%BE%E7%82%B9.assets/image-20230426130144175.png)]

• 实例属性（每个对象独有的）

• 类方法（只是用类属性）：会随着调用次数的增多而不断变化

  1.格式：类名.类方法名

  @classmethod
  def eat_apple_num(cls):
  

  2.会自动传入cls，指的类本身

静态方法

• 在静态方法中，不会传入self和cls，不适用类属性和实例对象属性

• 静态方法就是一个普通函数，放到类内部就是为了封装。

  class Person(object):
      @staticmethod
      def func():
          print(1)
  # 调用方法
  Person.func()
  

10.模块与包

• if __name__ == '__main__'
  

  代表只可在模块内部调试时调用

• __all__ =['func']
  

  all可以控制模块使用功能from 模块名 import *，不能控制import效果

  凡是没有在all控制的类表内的功能，不能在其他文件中使用

• 包的导入

  1.import 包名.模块名：注意顺序

  2.from 包名 import 模块名

11.Pandas

• 文件读取

  

  数据=pd.read_csv('ziliao.tsv',sep='\t')# 注意加后面那一部分
  

• 行标签列标签

  china_df.index #获取行标签
  china_df.columns #获取列标签
  a= china_df.set_index('盈利') #设置某一列为行标签
  
  

  常用函数

  1.数据.loc：根据行标签和列标签决定数据位置

  • 数据.loc[[行标签],[列标签]]：对应行列的数据

  • 数据.loc[[行标签]]：对应行的所有数据

  • 数据.loc[行标签]：series格式数据

  • 数据.loc[行标签，[列标签]]：一边省略series格式数据

  • 数据.loc[行标签,列标签]：获取行列的具体数据

    china_df.iloc[[1]]#获取行位置为1行的所有列的数据，类型为dataframe
    china_df.iloc[1]#获取行位置为1行的所有列的数据，类型为series
    china_df.iloc[[1],2]#获取一个数据，类型为series，标签为行标签
    china_df.iloc[1,[2]]#获取一个数据，类型为series，标签为列标签
    china_df.iloc[1,2]#获取一个数据
    

  2.数据.iloc:根据行列位置确定数据位置，用法与loc一致

  3.loc和iloc的切片操作：

  • 数据.loc[起始:结尾,起始:结尾]

  4.通过[]语法获取指定列的数据

  • 数据[‘列标签’1,’列标签2’,’列标签3’]

• 标签

  1.数据.columns:数据的列标题

  2.数据.index:数据的行标题

  • 数据.set_index(“year”)：设置某一列为行标签

• series and Datafram

1.创建Series

• 传入数据均为数字，dtype为int64

• 传入数据均为字符串,dtype为object

• 传入数据为多种类型，最终dtype也是object

  object类似于字符串结构

  s = pd.Series([1,2],index = ['1','2'])# index指定标签
  

2.Series常用操作

3.Series常用统计方法

4.bool索引

5.Series运算

• Series和数值型计算

  series+100:每个元素都加100

• Series和另外Series计算：两个相同标签进行运算，若不同则结果为NAN

6.dataframe常用操作

值得注意的是info，可以显示有没有非空

7.dataframe——bool

找到对应的行的信息

8.修改行标签和列标签

df.index = ['新标签1',‘新标签2’，‘新标签3’]
df.colums = ['新标签1',‘新标签2’，‘新标签3’]

9.数据的增加删改

• 修改行

  l.iloc[4]=[1,2,3]
  l

• 删除行

  l.iloc[4]=[1,2,3]
  l.drop([1:3]) #删除指定行
  

• 添加行

  china_df
  b = [i for i in china_df.columns]
  a = pd.Series(['1','A11','3'],index = b)
  l =china_df.append(a ,ignore_index=True)
  l
  

• 增加列

  直接命名一个名字即可，如添加叫年龄的列

  

l['年龄'] = [i for i in range(11)]

• 删除列

l['年龄'] = [i for i in range(11)]
l.drop(['年龄'],axis=1) #axis=1表示列

10.函数nlargest 和nsmallst 的用法

11.简单的统计分析

原数据

按照菜品名分组并统计每一组中盈利的平均值

a=l.groupby('菜品名').盈利.mean()

12.dataframe条件查询操作

china_df.loc[(china_df['盈利']>3594)&(china_df['盈利']<9000)]

13.dataframe分组聚合

14.dataframe排序操作

china_df.sort_values('盈利',ascending=True)  # 盈利按照从小到大排序，Series没有列标签参数
china_df.sort_index(ascending=False) # 行标签按照从大到小排序

‘盈利’]<9000)]

### 13.dataframe分组聚合



### 14.dataframe排序操作

china_df.sort_values(‘盈利’,ascending=True) # 盈利按照从小到大排序，Series没有列标签参数
china_df.sort_index(ascending=False) # 行标签按照从大到小排序