Python advanced
| 1. Modules and packages 2. random random number 3. datetime date module 4. pandas and DataFrame |
1. Modules and packages
| 1.1 Module: It is a file ending with .py. Functions, classes, variables, and executable code can be defined in the module. Python modules are divided into: built-in modules and third-party modules
(1) Module installation: pip3 install module name 1 -i domestic mirror address (or set à python interpreter in pycharm ) Huawei mirror source https://mirrors.huaweicloud.com/ Alibaba Cloud http://mirrors.aliyun.com/pypi/simple/ University of Science and Technology of China http://pypi.mirrors.ustc.edu.cn/simple/ Tsinghua University https://pypi.tuna.tsinghua.edu.cn/simple/ Zhejiang University Open Source Mirror Station http://mirrors.zju.edu.cn/ Tencent open source mirror station http://mirrors.cloud.tencent.com/pypi/simple Douban http://pypi.douban.com/simple/ NetEase open source mirror site http://mirrors.163.com/ Sohu open source mirror http://mirrors.sohu.com/ (2) Import all functions in the module: import module name 1 as alias, module name 2 as alias 2 Some functions: from module name import function name 1 as alias 1, function name 2 as alias 2 (3) Usage after importing the module: module name/alias. function/variable name |
| 1.2 Package: The package contains multiple modules, and multiple modules with similar or related functions can be managed together. |
| 1.3 Common methods of os module: (1) Get the current working path: getcwd()
(2) Get the list of files and folders under the current path: listdir() or walk()
(3) Determine whether the file under the path exists: .path.exists ("path")
(4) Create a folder: mkdir("path") creates a single folder, which cannot be created when the file exists, makedirs () recursively creates multiple nested folders
(5) Delete folder: rmdir ("path"), only empty folders can be deleted (6) Path splicing: os.path.join("Path 1", "Path 2")
(7) Split path: os.path.split (path) into absolute path and file name
(8) Get the absolute path: os.path.dirname(path)
(8) Get the file name: os.path.basename(path)
(9) Determine whether the path is a folder: os.path.isdir (path)
Determine whether the path is a file: os.path.isfile(path)
(10) Return the path separator under the current operating system: os.path.sep
(11) Check the file byte size: os.path.getsize(path) (12) View modules or methods under the current module: dir()
|
2.random random number
| 2.1 Commonly used methods: (1) random.random(): randomly generates a floating point number from 0-1
(2) random.randint(a,b): Randomly generate a random integer between a and b
（3）random.uniform（a,b）：随机生成a,b之间的浮点数
（3）random.choice（序列）：随机从序列中生成一个随机数
（4）random.sample（序列，长度）：随机从序列中获得指定长度的随机数
（5）random.shuffle(序列)：打乱
|
3.datetime日期模块
| 3.1 date （1）获取当前日期：datetime.date.today()，获取年，月，日
|
| 3.2 time 时间转换
|
| 3.3 datetime：now（）获得程序当前时间，today（）获得今天时间
|
| 3.4 timedelta |
| 3.5 tzinfo虚拟基 |
4.pandas和DataFrame
| 4.1 series：是pandas中一维的、可变长度的、有序的、带标签的数组 （1）series的生成：通过列表、字典、标量等等可迭代对象生成（可指定索引）
（2）series矢量计算：
numpy.nan 为空值：任意计算都为空，需做处理为0后计算
索引对齐：索引相同的可以直接计算，索引不同的自动补齐NaN值计算出空值
（3）位置索引（通过iloc[]取值）和标签索引（通过loc[]取值）：
（4）切片： 通过位置索引切片：series名.iloc[start : stop : step]（左闭右开）
或通过标签索引切片：series名.loc[start : stop : step]（左闭右闭）
（5）添加或修改值：有该索引则修改，无则新增（位置索引只能修改，不能用此方法新增）
（6）删除元素（默认inplace=False，删除则为原地操作True）：原地操作即在原件中操作，False则为复制一份再删除
（7）其他常用函数：add(),sub(),div(),mul(),isnull(),notnull(),sum(),max()........ replace（）:替换操作
contains（）:查看每个元素是否包含某个字符，每次判断返回一个bool值
|
| 4.2 DataFrame：一种数据类型（可以变相的理解为多个sseries组合而成） （1）创建方式： 通过列表创建
通过字典创建：
使用series转换成DataFrame：.to_frame()
（2）读取表格：read_excel或read_csv对应读取不同格式的表格
（3）写出表格：写出为csv文件或其他类型的文件to_csv、to_excel.........
（4）更改表格中字段数据类型： df = pandas.read_csv(r"E:\desktop\1_copy.csv",usecols=["列名"]) df["列名"] = df["列名"].astype(float) （5）查看行数df.index：
列名list(df)：
查看具体信息df.info()：
读取前n行，默认为5行df.head()：
读取后n行，默认为5行df.tail()：
查看数据形状df.shape：
随机抽取数据中n行，默认抽取一行df.sample()：
查看单列数据：df["列索引"]或df. 列索引
查看多列数据：
（6）增加或修改单列：df["列索引"] = 列数据（如果列索引存在则修改，不存在则新增） 修改或增加多列：df.assign(列索引=数据，列索引2=数据..........) （7）删除单列：df.drop("列索引", axis = 1)（axis默认为0为行，=1则为列） 删除多列：df.drop(["列索引1","列索引2"..........], axis = 1) del ，pop：删除 （8）位置索引和标签索引： 切片：通过位置索引切片：df.iloc[start : stop : step]（左闭右开）； 或通过标签索引切片：df.loc[start : stop : step]（左闭右闭） （9）增加一行数据（了解，不推荐使用）：df._append([[数据1，数据2......]]， colnmns=[列名1,列名2......]) 增加行（常用）：pandas.concat（[df1,df2,df3.....] , keys= , axis= ）keys为指定合并后的列名，多个列名使用列表传入；axis合并方向按照行或列合并，默认为0按行合并（合并成多行），为1则为按列合并（合并成多列） （10）删除行：df.drop（[行索引1,行索引2.......],inplace = True/False）inplace默认为False非原地操作 （11）获取表格中某个元素： df.loc[3].loc["c"]可合并成àdf.loc[3, "c"] 或df.iloc[2].loc[2]索引种类不同不能合并 随机生成df，行标签索引为1-10，列标签索引为a-e：
先取行再取列等价查询方式：先取行再取列一共有四种取法：loc[].iloc[] , loc[].loc[], iloc[].loc[], iloc[].loc[]
先取列，再取行：直接用df.列标签索引.行索引（df.列标签索引取出来为series多个元素）
（12）获取表格中多个元素：[]中括号内填写列表 取多行
|
