Python + 大数据-Python 学习(一)

1. Python 概述

  Python是一种跨平台的计算机程序设计语⾔。 是一个高层次的结合了解释性、编译性、互动性和面向对象的语⾔。最初被设计用于编写⾃动化脚本Shell（适用于Linux操作系统），随着版本的不断更新和语言新功能的添加，逐渐被⽤于独立的、大型项目的开发。其实⽬前很多知名的机器学习、⼈⼯智能以及深度学习框架也都是基于Python语⾔进⾏开发的：Google开源机器学习框架：TensorFlow开源社区主推学习框架：Scikit-learn百度开源深度学习框架：Paddle

1.1 Python版本对比

差异点	Python2	Python3
输出方式	用print关键字，如print “hello”	用print()函数，如print(“hello”)
输入方式	用raw_input()函数	用input()函数
字符串编码格式	默认采用ASCII	默认使用Unicode
格式化字符串方式	用%百分号，如”Hello, %s” % (“World”)	用format()函数，如”Hello, {}”.format(“World”)
源文件的编码格式	默认采用 ASCII ，因此使用中文时要在源文件开头加上一行# --coding: utf-8 - -	默认采用utf-8

1.2 Python在大数据领域运用

 大数据更像是一个大的技术生态，从最底层数据采集、数据存储与冗余备份，数据处理，数据分析，数据建模，可视化以及机器学习，深度学习等等一系列。构成大数据体系。而PYTHON在上诉的每一个方面都有不同应用。1.数据采集领域： python 的优越性体现在python 背后有很多强大的爬虫框架支持，可以更加高效快速爬取数据。最后一点，爬虫有法律风险。2.数据处理领域：不管是数据的格式转换还是数据科学计算，PYTHON 表项无比优秀，PYTHON 有很多这类框架就是做这种处理，Pandas，Numpy等等。3.数据分析及数据可视化领域： Pandas， seaborn， pyecharts等可视化框架的出现，让Python在数据数据分析及数据可视化领域也起这举足轻重的作用。4.实时计算：传统的spark框架和新兴的flink框架都添加了PythonAPI，使Python在实时计算领域的地位也水涨船高。5.数据建模领域：机器学习的很多框架也是PYTHON 编写，比如sklearn，深度学习领域的明星框架tensorflow 也是由Python编写。通过python 进行机器学习，深度学习高效，方便。

2. Python 解析器

下载地址：https://www.python.org/downloads/release/python-379/
[单击上述链接] -- 查找⽬目标⽂文件：Windows x86-64 executable installer -- 单
击即可下载

2.1 修改解释器

3.Python 注释

单行注释
# 注释内容多行注释
"""第一行注释第二行注释第三行注释
"""'''第一行注释第二行注释第三行注释
'''Ctrl + /`来快速生成代码注释

4. Python变量

4.1 引入变量

① 变量是存储数据的容器
② 变量在程序运行过程中是可以发生改变的量
③ 变量存储的数据是临时的

4.2 变量的作用

4.3 变量的定义

- 定义：变量名 = 值
- 调用：函数（变量名）   或者    使用变量名进行运算  变量名1 + 变量名2
- 变量必须先定义后调用=等号两边都要保留一个空格 ！变量名可以自定义，但是要满⾜`标识符`命名规则。命名习惯
① 变量命名一定要做到见名知义。
② 大驼峰：即每个单词首字母都大写，例如： MyName 。
③ 小驼峰：第二个（含）以后的单词首字母大写，例例如： myName 。
④ 下划线：例如： my_name

python 内置关键字

4.4 变量数据类型

# 数据类型查看的函数 type(数据/变量名)
# 基础数据类型:int  float  bool
# 容器类型: str  list tuple  set dict# 代码格式化的快捷键:ctrl + alt + L

5. debug

Debug工具使⽤二步走：① 打断点  ② Debug调试

☆ 断点位置
断点要定位在要调试Python代码段的第一行即可☆ 打断点的方法
在需要调试代码行的行号位置右侧的空白处单击即可断点打好后，在文件内部任意位置 -- 右键 -- Debug文件名 -- 即可调出Debug工具面板 -- 单击StepOver/F8，即可按步执⾏代码。右键debug进入调试模式，代码执行暂停到断点位置代码执行之前debugger ：查看参数及变量在执行过程中的变化情况console：查看控制台输出内容step over：单步执行代码resume ：执行到下一次断点位置或者程序结束stop：让程序终止

6. 格式化输出

格式符号	转换
%s	字符串
%d	有符号的十进制整数
%f	浮点数
%c	字符
%u	无符号十进制整数
%o	八进制整数
%x	十六进制整数（小写ox）
%X	十六进制整数（大写OX）
%e	科学计数法（小写’e’）
%E	科学计数法（大写’E’）
%g	%f和%e的简写
%G	%f和%E的简写

\n ：换⾏符。
\t  ：制表符，一个tab键（4个空格）的距离
%%：在字符串格式化拼接时输出%- 单占位符：'要书写的内容，占位符' % 变量名
- 多占位符: '要书写的内容，占位符1， 占位符2， 。。。。' % （变量1， 变量2，。。。。）- %之前的占位符数量要和%之后的变量数量相匹配，一一对应否则会报错

7. Python 输入 -input

input('提示信息')当程序执行到`input`，等待用户输入，输入完成之后才能继续向下执行。
在Python中，`input`接收用户输入后，一般存储到变量，方便使用。
在Python中，`input`会把接收到的任意用户输入的数据都当做字符串处理。

7.1 f-string

 f-string是Python3.6之后出现的格式化语法
- 格式：f'要输出的字符串{要拼接的变量}'- f可以是大写，也可以是小写，- 引号可以是单引号，也可以是双引号- 精度控制- {浮点型变量：.nf} 保留n位小数，四舍五入- {整型变量：0nd} 保留n位，不足位用0补齐，如果超出则原样显示- %可以单独输出在写复杂的字符串的时候，外层使用的符合不能在内层也使用f-string不能使用嵌套式格式化(不能用大括号嵌套大括号的形式)

8.数据类型转换

函数	说明
int(x [,base ])	将x转换为一个整数
float(x)	将x转换为一个浮点数
complex(real [,imag ])	创建一个复数，real为实部，imag为虚部
str(x)	将对象 x 转换为字符串
repr(x)	将对象 x 转换为表达式字符串
eval(str)	用来计算在字符串中的有效Python表达式,并返回一个对象
tuple(s)	将序列 s 转换为一个元组
list(s)	将序列 s 转换为一个列表
chr(x)	将一个整数转换为一个Unicode字符
ord(x)	将一个字符转换为它的ASCII整数值
hex(x)	将一个整数转换为一个十六进制字符串
oct(x)	将一个整数转换为一个八进制字符串
bin(x)	将一个整数转换为一个二进制字符串

数据类型转换总结

 数据类型转换是为了不同类型数据之间可以进行拼接或运算
格式：数据类型（要转化类型的变量或值）int和float类型直接可以随意转换float转换为int类型只保留整数部分int转换为float类型在末尾添加。0如果数值型转换为str类型，可以随意转换
- 如果str类型转换为数值型- float  必须保证str引号内部是浮点型数据或整型数据- int  必须保证str引号内部是整型数据

9. 运算符的使用

9.1 算数运算符

+ - * / // % **
//取商
%取余

**幂次运算

算数运算符优先级可以使用小括号控制,  先乘除后加减,同级运算从左至右依次运算
- 结论算数运算符优先级: + - < * / // % < **
- 如果忘记了也没关系使用()提高运算符优先级即可

9.2赋值符号

 = ：将等号右侧的值赋值给等号左侧的变量可以给单个变量赋值： 变量= 值可以给多个变量赋不同的值 ： 变量1， 变量2. 变量3 = 值1， 值2， 值3可以给多个变量赋相同的值：变量1 = 变量2 = 变量3 = 值

9.2.1复合赋值运算符

- 复合赋值运算符等号左侧一定是已经被定义的变量
- 复合赋值运算符右侧是已经被定义的变量或者值

9.2.2比较运算符

`< > <= >= == !=`
比较运算就是比较数据值的大小
比较运算可以连续使用
比较运算中比较相等使用==  而 不能使用 = （赋值运算符）

9.2.3逻辑运算符

- and 同真即真
- or 同假即假
- not  真变假  假变真

9.2.4 短路运算

Python把0、空字符串”和None看成 False，其他数值和非空字符串都看成 True，
当逻辑运算的第一个表达式已经可以决定整个逻辑运算的值的时候,后边的表达式将不会被运例如：

Python + 大数据-Python 学习(一)相关推荐

Python+大数据-Python学习(七)
Python+大数据-Python学习(七) 1.文件的基本操作文件打开的格式: file = open(文件路径,读写模式) - open默认打开的式r模式文件路径:可以写相对路径,也可以写 ...
Python+大数据-Python学习(五)
Python+大数据-Python学习(五) 1.函数的基本使用函数是一个被命名的.独立的.完成特定功能的代码段,其可能给调用它的程序一个返回值.被命名的:在Python中,大部分函数都是有名函数 ...
python大数据和java大数据的区别-从事大数据工程师 Java和Python哪个编程语言好
大数据工程师可以选择多种语言学习,其中,Java和Python是做大数据平台开发最常见的两种编程语言,也是当下较为火热的两种语言,Java与Python在做大数据开发时各有优缺点,究竟选择哪种语言好呢 ...
python大数据零基础_零基础学习大数据人工智能，学习路线篇！
大数据处理技术怎么学习呢?首先我们要学习Python语言和Linux操作系统,这两个是学习大数据的基础,学习的顺序不分前后. Python:Python 的排名从去年开始就借助人工智能持续上升,现在它 ...
2022新版Python+大数据学习路线图，附视频教程
互联网的未来也是人工智能的未来,那就少不了Python+大数据的助力,对于想要转行的小伙伴来说,或许这是一个新兴赛道. 第一阶段大数据开发入门学前导读:从传统关系型数据库入手,掌握数据迁移工具.B ...
python大数据培训机构_学大数据开发需要学习python吗
大数据现在互联网火热的一个名词,而和大数据关键词最紧密的相信就是Java和python了,在一年以前,Java大数据可能是很多培训机构的宣传标语.而到了2018年,python大数据则成为了潮流,无论 ...
2022年Python+大数据学习路线图，源码笔记，最优学习资源
任何学习过程都需要一个科学合理的学习路线,才能够有条不紊的完成我们的学习目标.Python+大数据所需学习的内容纷繁复杂,难度较大,所以今天特别为大家整理了一个全面的Python+大数据学习路线图,帮 ...
Python大数据综合应用：零基础入门机器学习、深度学习算法原理与案例
机器学习.深度学习算法原理与案例实现暨Python大数据综合应用高级研修班一.课程简介课程强调动手操作:内容以代码落地为主,以理论讲解为根,以公式推导为辅.共4天8节,讲解机器学习和深度学习的模型 ...
财务大数据比赛有python吗-Python大数据与机器学习之NumPy初体验
本文是Python大数据与机器学习系列文章中的第6篇,将介绍学习Python大数据与机器学习所必须的NumPy库. 通过本文系列文章您将能够学到的知识如下: 应用Python进行大数据与机器学习应用 ...
Python大数据：jieba分词，词频统计
实验目的学习如何读取一个文件学习如何使用DataFrame 学习jieba中文分词组件及停用词处理原理了解Jupyter Notebook 概念中文分词在自然语言处理过程中,为了能更好地处理 ...

Python + 大数据-Python 学习(一)

Python + 大数据-Python 学习(一)

1. Python 概述

1.1 Python版本对比

1.2 Python在大数据领域运用

2. Python 解析器

2.1 修改解释器

3.Python 注释

4. Python变量

4.1 引入变量

4.2 变量的作用

4.3 变量的定义

4.4 变量数据类型

5. debug

6. 格式化输出

7. Python 输入 -input

7.1 f-string

8.数据类型转换

9. 运算符的使用

9.1 算数运算符

9.2赋值符号

9.2.1复合赋值运算符

9.2.2比较运算符

9.2.3逻辑运算符

9.2.4 短路运算

Python + 大数据-Python 学习(一)相关推荐

最新文章

热门文章