Python 基础

安装 Python

Anaconda

https://www.anaconda.com/

由 Python 提供支持的领先开放数据科学平台

spyder

https://www.spyder-ide.org/

Anaconda 附带的免费 IDE

https://jupyter.org/

使用实时代码，可视化，文本创建和共享文档……

1. 变量和类型

变量赋值

1
2

x = 5
x

运算

x + 9 # 加

x - 9 # 减

-4

x * 9 # 乘

1	x ** 9 # 乘方

1953125

1	x % 9 # 取模

1	x / float(9) # 除

0.5555555555555556

类型与类型转换

类型转换	示例	类型
str()	‘59’, ‘3.14’, ‘True’	字符串
int()	5, 9	整型
float()	5.9, 3.14	浮点数
bool()	True, True, True	布尔

2. 字符串（String）

帮助

help(str)

1 2	zh_string = "最好的人工智能开发" zh_string

‘最好的人工智能开发’

字符串操作

1	zh_string * 2

‘最好的人工智能开发最好的人工智能开发’

1	zh_string + '就在这里了'

‘最好的人工智能开发就在这里了’

1	'我' in zh_string

False

字符串方法

zh_string.upper()
zh_string.lower()
zh_string.count('在')
zh_string.replace('在', ' is ')
zh_string.strip()

‘最好的人工智能开发’

3. 列表（List）

a = '是'
b = '这'
zh_list = ['我', '列表', a, b]
zh_list2 = [[1, 3, 5, 7], [2, 4, 6, 8]]

元素选择

1
2
3

# 下标
zh_list[1] # 索引从 0 开始，这里取第 2 个元素
zh_list[-1] # 最后一个元素

‘这’

# 分片
zh_list[1:3] # 索引 1, 2
zh_list[1:] # 索引 1 及之后
zh_list[:3] # 索引 3 之前
zh_list[:] # 所有 / 复制列表

[‘我’, ‘列表’, ‘是’, ‘这’]

1
2
3

# 子列表
zh_list + zh_list
zh_list * 2

[‘我’, ‘列表’, ‘是’, ‘这’, ‘我’, ‘列表’, ‘是’, ‘这’]

# 列表方法
zh_list = [1, 3, 5, 7]
zh_list.index(3) # 获取元素下标
zh_list.count(3) # 统计元素个数
zh_list.append(0) # 追加元素
zh_list.remove(0) # 移除元素
del(zh_list[:2]) # 删除前 2 个元素
zh_list.reverse() # 反转列表
zh_list.extend([2, 4, 6]) # 扩展列表
zh_list.pop(-1) # 弹出（移除并返回）指定 index 元素
zh_list.insert(3, 9) # 在 index 位置新增元素
zh_list.sort() # 排序列表

4. 库

导入库

1 2	import numpy import numpy as np

选择性导入

1	from sklearn import datasets

5. Numpy 数组

1
2
3

zh_list = [1, 3, 5, 7]
zh_array = np.array(zh_list)
zh_2darray = np.array([[1, 3, 5, 7], [2, 4, 6, 8]])

Numpy 数组元素选择

1 2	# 下标 zh_list[0] # 索引从 0 开始

1 2	# 切片 zh_list[:2]

[1, 3]

1 2	# 2 维数组下标 zh_2darray[:, 1]

array([3, 4])

Numpy 数组操作

1	zh_array > 3

array([False, False, True, True])

1	zh_array * 2

array([ 2, 6, 10, 14])

1	zh_array + np.array([9, 8, 7, 6])

array([10, 11, 12, 13])

Numpy 数组函数

other_array = np.array([5, 5, 5, 5])
zh_array.shape # 维数
np.append(zh_array, other_array) # 追加数组
np.insert(zh_array, 1, 5) # 插入元素
np.delete(zh_array, [1]) # 删除元素
np.mean(zh_array) # 均值
np.median(zh_array) # 中位数
np.corrcoef(zh_array) # 相关系数
np.std(zh_array) # 标准差

2.23606797749979