Python for Data Science

Python List: A compound data type

1. Name a collection of values

2. Contain any type

3. Contain different type

4. Contain Sub List




List
Sub List


List Slicing 切片 可正数可倒数


包含头,不包含尾巴:List[0:6]  刚好是前6个数字!List[-6:]  就是倒数6个值


可省略第一个/最后一个指标


更改List里的元素:直接重新赋值,然后List就改变了
List里增加元素:fam=fam+["me",1.79]


删除List里的元素:del(), fam也直接改变了


把X赋值给了Y,y改了之后X也改了:因为是同一个容器(类似于只是改了个名字)


但是,如果你用list()函数赋值,就只是把容器x里的内容复制到了容器y,对y的改动就不影响x


同一行的不同命令用分号隔开


用分号隔开的两个命令不是同时执行的,所以删除了倒数第3个之后,原来的倒数第4个就又变成倒数第三个了(所以上图中的答案是错的,应该选第三个)


Function
max() 求最值的函数
通过Help(函数名)可以查询不同函数的原始代码


你觉得应该用函数解决的事情一定就有函数可以解决!


?max :也可以查询函数使用规则


key=None means that if you don't specify the key argument, it will be None. reverse=False means that if you don't specify the reverse argument, it will be False.

                                       Methods:Functions that belong to objects

List对应的method:index()   count()
字符串对应的method:  capitalize()   replace()


不同type的object有不同的method,不可以混用


list.append() 可以从list尾巴添加元素

str.upper()  全部大写

str.count('x')  在str里数有几个x

list.count('x')  同上

append(), that adds an element to the list it is called on,

remove(), that removes the first element of a list that matches the input, and

reverse(), that reverses the order of the elements in the list it is called on.


目前看到这里了

Package:分不同的module  包含特定的函数、方法和类型


可以直接在conna环境下装包,具体参考上文


import xx 就是导入某个特定的包,然后就可以用特定的函数、变量、类型,比如导入numpy后就可以用numpy.array, 它是numpy的数组


使用array函数创建时,参数必须是由方括号括起来的列表


import math之后就可以用math.pi这个常量
可以选择性的导入某个package里的某个函数:from xx import xx 

将角度转换为弧度:radians() 


the function inv():in the linalg subpackage of the scipy package  

The as word allows you to create a local name for the function you're importing



List不能很好支持数据科学的数学和统计操作


list**int 是不被支持的


numpy的数组完美支持数据操作:可以直接对整个数组进行操作


通过np.array将已有的list转化为np数组,然后直接进行数据运算

Elements-wise calculation 会智能对数据进行一一对应的计算


List可以装不同类的数据,array只能装同一类的数据:将所有输入的数值转化成了同一个类型


List的加法运算是添加元素,array的加法运算是元素的相加

                                                          NumPy Subsetting

通过array[array>23]可以找到array里所有大于23的元素


np.array(list)——>array


print(bmi[light]):输出所有bmi<21的球员的bmi值

type coercion 强制类型转换

numpy arrays cannot contain elements with different types. 


True被强制转换成了1,False被强制转换成了0


array的切片和List的切片规则一样

ndarray=N-dimensional Array


array.shape 可以得到数组的行列数


array[0]默认是第一行


array[row,column]


所有行里的第二和第三个元素


第二行的所有列


array.shape 数组的行数和列数


每一行代表一个记录,每一列代表一个变量


可以通过建立一个新的array,然后通过数组运算直接更新/转换数据


np.mean()均值   np.median()中值   np.corrcoef() 相关系数 np.std() 方差



可以用来生成随机的符合特定分布的数据:np.round(np.random.normal(mean, sd, N),decimal)


np.mean(array)


np.corrcoef(array1,array2)


array[array=='kk']       array[array!='KK']





1. list里每个元素用逗号隔开,如果元素本身是list,不要漏掉逗号

2. 大小写敏感

3. 空格敏感

# 注释

**乘方

Shift+Enter >Run

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,029评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,395评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,570评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,535评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,650评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,850评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,006评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,747评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,207评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,536评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,683评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,342评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,964评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,772评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,004评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,401评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,566评论 2 349

推荐阅读更多精彩内容