python 程序设计
import sys
for line in sys.stdin:
s = sys.stdin.read().strip().split()
line1=input()
line2 = input().split()
line3=input().strip().split()
list=[ ]
list=n*['1']
data = list(range(n))
列表中字符串转化成数字data = ['1','3.2','2']
data = map(eval, data)
print data //输入一组 //数据并输出
str=raw_input()
print str
//输入多组数据并输出
import sys
for line in sys.stdin:
for value in line.split():
print(value)
- 语言类型:数字,字符串,元组,列表,文件,字典
- ,判断是否在列表中
- .append(x) 在列表后增加元素x
- .sort()列表元素排序
- .reverse()列表元素反转
- .index()返回第一次出现元素x的索引值
- .insert(i,x)在位置i插入新元素x
- .count(x)元素x在列表中的数量
- .remove(x)删除列表中第一次出现的元素x
- .pop(i)取出列表中位置i的元素,并删除
- ) 列表中随机返回一个元素
- ) 列表中元素随机打乱
- ,k) 列表随机获取k个元素
print type(data)
data.shape #数组维度 data.dtype #数组数据类型 np.zeros((3,6)) #创建全为0的数组 np.range(15) #创建数组0~15 np.arange(32).reshape((8,4)) #重构数组 arr.T #数组转置 np.dot(arr.T,arr) #矩阵内积 np.sqrt(arr) np.exp(arr) np.maximum(x,y) arr.sort() #排序 np.unique(arr) #去重
obj=Series([....]) #数组+数字标签 obj.values #数组 obj.index #索引对象 obj.drop('...') #删除 obj.unique() #去重 obj.value_counts() #各值出现频率
data.isnull() #缺失值判断
dataframe.dropna() #丢弃有NA的行 dataframe.dropna(how="all") #丢弃全为NA的行 dataframe.dropna(axis=1,how='all') #丢弃全为NA的列
data.fillna(0) #NA值填充0 data.fillna({1:0.5,2:-1}) #通过字典填充 data.fillna(method='ffill') data.fillna(method='fill',limit=2) data.fillna(data.mean()) #用平均值填充
pd.merge(lefth,righth,left_on=['key1','key2'],right_index=True,how='outer') #数据集合并
left2.join(right2,how='outer') #lianji链接，合并带有相同或相似索引的DataFrame对象 left2.join([right2,another],how='oute')
np.concatenation([arr,arr],axis=1) #连接，合并原始NumPy数组
pd.concat([s1,s2,s3]) #将值和索引黏合
data.duplicated() #各行是否是重复行 data.drop_duplicates() #返回移除重复行的 data.droplicates(['k1']) #根据K1列过滤重复项
data1=data[data['intersection_id'].isin(['B'])] #挑选满足特定值的某一列