日常笔记【不定时更新】

1、python if else 简写

data = [] if data is None else data

如果data为None，那么就设置为空列表，否则就是data。

2、继承父类super

class weixinrequest(Request):
    def __init__(self,url,method,headers,need_proxy=False,fail_tiem=0,callback=None,timeout=None):
        super(weixinrequest,self).__init__(url,method,headers)
        self.callback=callback
        self.need_proxy=need_proxy
        self.fial_time=fail_tiem
        self.timeout=timeout

a、super() 函数是用于调用父类(超类)的一个方法。

super 是用来解决多重继承问题的，直接用类名调用父类方法在使用单继承的时候没问题，但是如果使用多继承，会涉及到查找顺序（MRO）、重复调用（钻石继承）等种种问题。

MRO 就是类的方法解析顺序表, 其实也就是继承父类方法时的顺序表。

详情链接

b、__init__是一个初始化的方法。def __init__()：括号是传入的参数，冒号后面，是初始化的表达式。

例子self.callback=callback，就是这个类weixinrequest，属性值为()传入的参数callback的值。

c、类为什么要定义__init__()方法？

主要是创建实例时，初始化这个实例。

d、当子类的__init__（a,b,c）属性和父类同名时，super(child,self).__init__(a,b,c)传入的参数，要与父类的属性出现的顺序一一对应

3、python 创建类时，类的全局变量和__init()属性有啥区别？

类的全局变量，相当于定死了，而init属性可以在创建实例时，自行传入参数

4、正则表达式[]和^

^符号表示起始。

[0-9]表示匹配0到9数字中的一个

^[^0-9]当在一组方括号里使用^是，它表示"非"或"排除"的意思。以上表达式的意思是，剔除0-9数字开头的。

[-]等价于\-，相当于转义

\[ 匹配[，因为正则里[]是由特殊含义的，单独匹配，需要转义。同{ | 等。

5、针对pandas.Dataframe

a、df['name'].shape()

print的结果形状(行数，）列数为空
需要reshape
new_x=df['name'].reshape(df['name'].shape[0],-1)

b、x=numpy.array([1,2])

print的结果为：行数=[1,2]这个列表的长度，
列数为空值。
同样需要reshape
new_x=x.reshape(1,-1) #-1表示，作为1行状态下的所有列
以上结果等价于:x=numpy.array([[1,2]])

6、pandas 读取csv格式

a、df=pandas.read_csv('filepath',header=None)

header=None表示第一行不是列名。

b、查看列标签。

colmuns_names=list(df.columns.values)

df.columns.values的指是np.assary数组格式，以上语句转化成列表格式。

7、mysql语句

a、create table if not exists `data_value` ( `id` int not null primary key ,`name' varchar(32))

解释：如果不存在`data_value`则创建该table；

如果存在，则插入数据insert into 。

b、drop `data_value` if exists `data_value`;

create table if not exists `data_value` ( `id` int not null primary key ,`name' varchar(32))；

解释：第一个语句，如果存在data value则删除，否则新建。

8、pandas中Nan，None，NaT

在读取mysql数据是，null值会被读出Nan，None，NaT

Nan：mysql中为数值型字段中的null，在pandas的数据框格式还是数值型，其中的null显示NaN
None：mysql中为日期型字段中的null，在pandas的数据框格式为object，其中的null显示None
NaT：mysql中为日期型字段中的null，在pandas的数据框格式为object，pd.to_datetime()，后其中的null显示NaT

但是，以上都能被df[df.isnull().values==True]显示处理，可见Nan，None，NaT等价，都是缺失值。