Python语法备忘
2024-06-20 19:12:35
Python语法备忘
- Numpy
- numpy数据类型：
- np常用函数
- ndarry
- ndarray属性
- ndarray函数
- ndarray索引/切片方式
- random函数
- linalg函数
- Pandas
- pandas常用函数
- Series
- 常用属性
- 常用函数
- DataFrame
- 常用属性
- 常用函数和方法
- matplotlib
- split() 指定分隔符对字符串进行切片
Numpy
NumPy是高性能科学计算和数据分析的基础包。部分功能如下：
- ndarray, 具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。
- 用于对整组数据进行快速运算的标准数学函数（无需编写循环）。
- 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
- 线性代数、随机数生成以及傅里叶变换功能。
- 用于集成C、C++、Fortran等语言编写的代码的工具。
numpy数据类型：
| 类型 | 类型代码 | 说明 |
|---|---|---|
| int8、uint8 | i1、u1 | 有符号和无符号8位整型（1字节） |
| int16、uint16 | i2、u2 | 有符号和无符号16位整型（2字节） |
| int32、uint32 | i4、u4 | 有符号和无符号32位整型（4字节） |
| int64、uint64 | i8、u8 | 有符号和无符号64位整型（8字节） |
| float16 | f2 | 半精度浮点数 |
| float32 | f4、f | 单精度浮点数 |
| float64 | f8、d | 双精度浮点数 |
| float128 | f16、g | 扩展精度浮点数 |
| complex64 | c8 | 分别用两个32位表示的复数 |
| complex128 | c16 | 分别用两个64位表示的复数 |
| complex256 | c32 | 分别用两个128位表示的复数 |
| bool | ? | 布尔型 |
| object | O | python对象 |
| string | Sn | 固定长度字符串，每个字符1字节，如S10 |
| unicode | Un | 固定长度Unicode，字节数由系统决定，如U10 |
np常用函数
| 生成函数 | 作用 |
|---|---|
|
np.array( x) np.array( x, dtype) |
将输入数据转化为一个ndarray 将输入数据转化为一个类型为type的ndarray |
| np.asarray( array ) | 将输入数据转化为一个新的（copy）ndarray |
|
np.ones( N ) np.ones( N, dtype) np.ones_like( ndarray ) |
生成一个N长度的一维全一ndarray 生成一个N长度类型是dtype的一维全一ndarray 生成一个形状与参数相同的全一ndarray |
|
np.zeros( N) np.zeros( N, dtype) np.zeros_like(ndarray) |
生成一个N长度的一维全零ndarray 生成一个N长度类型位dtype的一维全零ndarray 类似np.ones_like( ndarray ) |
|
np.empty( N ) np.empty( N, dtype) np.empty(ndarray) |
生成一个N长度的未初始化一维ndarray 生成一个N长度类型是dtype的未初始化一维ndarray 类似np.ones_like( ndarray ) |
|
np.eye( N ) np.identity( N ) |
创建一个N * N的单位矩阵（对角线为1，其余为0） |
|
np.arange( num) np.arange( begin, end) np.arange( begin, end, step) |
生成一个从0到num-1步数为1的一维ndarray |
| np.mershgrid(ndarray, ndarray,…) | 生成一个ndarray * ndarray * …的多维ndarray |
| np.where(cond, ndarray1, ndarray2) | 根据条件cond，选取ndarray1或者ndarray2，返回一个新的ndarray |
| np.in1d(ndarray, [x,y,…]) | 检查ndarray中的元素是否等于[x,y,…]中的一个，返回bool数组 |
| 矩阵函数 | 说明 |
|---|---|
|
np.diag( ndarray) np.diag( [x,y,…]) |
以一维数组的形式返回方阵的对角线（或非对角线）元素 将一维数组转化为方阵（非对角线元素为0） |
| np.dot(ndarray, ndarray) | 矩阵乘法 |
| np.trace( ndarray) | 计算对角线元素的和 |
| 排序函数 | 说明 |
|---|---|
| np.sort( ndarray) | 排序，返回副本 |
| np.unique(ndarray) | 返回ndarray中的元素，排除重复元素之后，并进行排序 |
|
np.intersect1d( ndarray1, ndarray2) np.union1d( ndarray1, ndarray2) np.setdiff1d( ndarray1, ndarray2) np.setxor1d( ndarray1, ndarray2) |
返回二者的交集并排序。 返回二者的并集并排序。 返回二者的差。 返回二者的对称差 |
| 一元计算函数 | 说明 |
|---|---|
|
np.abs(ndarray) np.fabs(ndarray) |
计算绝对值 计算绝对值（非复数） |
| np.mean(ndarray) | 求平均值 |
| np.sqrt(ndarray) | 计算x^0.5 |
| np.square(ndarray) | 计算x^2 |
| np.exp(ndarray) | 计算e^x |
| log、log10、log2、log1p | 计算自然对数、底为10的log、底为2的log、底为(1+x)的log |
| np.sign(ndarray) | 计算正负号：1（正）、0（0）、-1（负） |
|
np.ceil(ndarray) np.floor(ndarray) np.rint(ndarray) |
计算大于等于改值的最小整数 计算小于等于该值的最大整数 四舍五入到最近的整数，保留dtype |
| np.modf(ndarray) | 将数组的小数和整数部分以两个独立的数组方式返回 |
| np.isnan(ndarray) | 返回一个判断是否是NaN的bool型数组 |
|
np.isfinite(ndarray) np.isinf(ndarray) |
返回一个判断是否是有穷（非inf，非NaN）的bool型数组 返回一个判断是否是无穷的bool型数组 |
| cos、cosh、sin、sinh、tan、tanh | 普通型和双曲型三角函数 |
| arccos、arccosh、arcsin、arcsinh、arctan、arctanh | 反三角函数和双曲型反三角函数 |
| np.logical_not(ndarray) | 计算各元素not x的真值，相当于-ndarray |
| 多元计算函数 | 说明 |
|---|---|
|
np.add(ndarray, ndarray) np.subtract(ndarray, ndarray) np.multiply(ndarray, ndarray) np.divide(ndarray, ndarray) np.floor_divide(ndarray, ndarray) np.power(ndarray, ndarray) np.mod(ndarray, ndarray) |
相加 相减 乘法 除法 圆整除法（丢弃余数） 次方 求模 |
|
np.maximum(ndarray, ndarray) np.fmax(ndarray, ndarray) np.minimun(ndarray, ndarray) np.fmin(ndarray, ndarray) |
求最大值 求最大值（忽略NaN） 求最小值 求最小值（忽略NaN） |
| np.copysign(ndarray, ndarray) | 将参数2中的符号赋予参数1 |
|
np.greater(ndarray, ndarray) np.greater_equal(ndarray, ndarray) np.less(ndarray, ndarray) np.less_equal(ndarray, ndarray) np.equal(ndarray, ndarray) np.not_equal(ndarray, ndarray) |
> >= < <= == != |
|
logical_and(ndarray, ndarray) logical_or(ndarray, ndarray) logical_xor(ndarray, ndarray) |
& | ^ |
| np.dot( ndarray, ndarray) | 计算两个ndarray的矩阵内积 |
| np.ix_([x,y,m,n],…) |
| 文件读写 | 说明 |
|---|---|
| np.save(string, ndarray) | 将ndarray保存到文件名为[string].npy 的文件中（无压缩） |
| np.savez(string, ndarray1, ndarray2, …) | 将所有的ndarray压缩保存到文件名为[string].npy的文件中 |
| np.savetxt(sring, ndarray, fmt, newline=’\n’) | 将ndarray写入文件，格式为fmt |
| np.load(string) | 读取文件名string的文件内容并转化为ndarray对象（或字典对象） |
| np.loadtxt(string, delimiter) | 读取文件名string的文件内容，以delimiter为分隔符转化为ndarray |
ndarry
ndarray属性
| 属性 | 说明 |
|---|---|
| ndarray.ndim | 获取ndarray的维数 |
| ndarray.shape | 获取ndarray各个维度的长度 |
| ndarray.dtype | 获取ndarray中元素的数据类型 |
| ndarray.T | 简单转置矩阵ndarray |
ndarray函数
| 函数 | 说明 |
|---|---|
| ndarray.astype(dtype) | 转换类型，若转换失败则会出现TypeError |
| ndarray.copy() | 复制一份ndarray(新的内存空间) |
| ndarray.reshape((N,M,…)) | 将ndarray转化为NM…的多维ndarray（非copy） |
| ndarray.transpose((xIndex,yIndex,…)) | 根据维索引xIndex,yIndex…进行矩阵转置，依赖于shape，不能用于一维矩阵（非copy） |
| ndarray.swapaxes(xIndex,yIndex) | 交换维度（非copy） |
| 计算函数 | 说明 |
|---|---|
| ndarray.mean( axis=0 ) | 求平均值 |
| ndarray.sum( axis= 0) | 求和 |
|
ndarray.cumsum( axis=0) ndarray.cumprod( axis=0) |
累加 累乘 |
|
ndarray.std() ndarray.var() |
方差 标准差 |
|
ndarray.max() ndarray.min() |
最大值 最小值 |
|
ndarray.argmax() ndarray.argmin() |
最大值索引 最小值索引 |
|
ndarray.any() ndarray.all() |
是否至少有一个True 是否全部为True |
| ndarray.dot( ndarray) | 计算矩阵内积 |
| 排序函数 | 说明 |
|---|---|
| ndarray.sort(axis=0) | 排序，返回源数据 |
ndarray索引/切片方式
| 方式 | 说明 |
|---|---|
| ndarray[n] | 选取第n+1个元素 |
| ndarray[n:m] | 选取第n+1到第m个元素 |
| ndarray[:] | 选取全部元素 |
| ndarray[n:] | 选取第n+1到最后一个元素 |
| ndarray[:n] | 选取第0到第n个元素 |
|
ndarray[ bool_ndarray ] 注：bool_ndarray表示bool类型的ndarray |
选取为true的元素 |
| ndarray[[x,y,m,n]]… | 选取顺序和序列为x、y、m、n的ndarray |
|
ndarray[n,m] ndarray[n][m] |
选取第n+1行第m+1个元素 |
|
ndarray[n,m,…] ndarray[n][m]… |
选取n+1行m+1列…的元素 |
random函数
| 函数 | 说明 |
|---|---|
|
seed() seed(int) seed(ndarray) |
确定随机数生成种子 |
|
permutation(int) permutation(ndarray) |
返回一个一维从0~9的序列的随机排列 返回一个序列的随机排列 |
| shuffle(ndarray) | 对一个序列就地随机排列 |
|
rand(int) randint(begin,end,num=1) |
产生int个均匀分布的样本值 从给定的begin和end随机选取num个整数 |
| randn(N, M, …) | 生成一个NM…的正态分布（平均值为0，标准差为1）的ndarray |
| normal(size=(N,M,…)) | 生成一个NM…的正态（高斯）分布的ndarray |
| beta(ndarray1,ndarray2) | 产生beta分布的样本值，参数必须大于0 |
| chisquare() | 产生卡方分布的样本值 |
| gamma() | 产生gamma分布的样本值 |
| uniform() | 产生在[0,1)中均匀分布的样本值 |
linalg函数
| 函数 | 说明 |
|---|---|
| det(ndarray) | 计算矩阵列式 |
| eig(ndarray) | 计算方阵的本征值和本征向量 |
|
inv(ndarray) pinv(ndarray) |
计算方阵的逆 计算方阵的Moore-Penrose伪逆 |
| qr(ndarray) | 计算qr分解 |
| svd(ndarray) | 计算奇异值分解svd |
| solve(ndarray) | 解线性方程组Ax = b，其中A为方阵 |
| lstsq(ndarray) | 计算Ax=b的最小二乘解 |
Pandas
pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
from pandas import Series,DataFrame
import pandas as pd
pandas常用函数
| 函数 | 说明 |
|---|---|
|
pd.isnull(series) pd.notnull(series) |
判断是否为空(NaN) 判断是否不为空(not NaN) |
Series
Series可以运用ndarray或字典的几乎所有索引操作和函数，融合了字典和ndarray的优点。
常用属性
| 属性 | 说明 |
|---|---|
| values | 获取数组 |
| index | 获取索引 |
| name | values的name |
| index.name | 索引的name |
常用函数
| 函数 | 说明 |
|---|---|
|
Series([x,y,…]) Series({‘a’:x,‘b’:y,…}, index=param1) |
生成一个Series |
| Series.copy() | 复制一个Series |
|
Series.reindex([x,y,…], fill_value=NaN) Series.reindex([x,y,…], method=NaN) Series.reindex(columns=[x,y,…]) 注：reindex的method选项： ffill, bfill 向前填充/向后填充 pad, backfill 向前搬运，向后搬运 |
重返回一个适应新索引的新对象，将缺失值填充为fill_value 返回适应新索引的新对象，填充方式为method 对列进行重新索引 |
| Series.drop(index) | 丢弃指定项 |
| Series.map(f) | 应用元素级函数 |
| 排序函数 | 说明 |
|---|---|
| Series.sort_index(ascending=True) | 根据索引返回已排序的新对象 |
| Series.order(ascending=True) | 根据值返回已排序的对象，NaN值在末尾 |
|
Series.rank(method=‘average’, ascending=True, axis=0) 注：rank的method选项: ‘average’ 在相等分组中，为各个值分配平均排名 ’max’,‘min’ 使用整个分组中的最小排名 |
为各组分配一个平均排名 |
|
df.argmax() df.argmin() |
返回含有最大值的索引位置 返回含有最小值的索引位置 |
| Series方法 | 说明 |
|---|---|
| Index([x,y,…]) | 创建索引 |
| append(Index) | 连接另一个Index对象，产生一个新的Index |
| diff(Index) | 计算差集，产生一个新的Index |
| intersection(Index) | 计算交集 |
| union(Index) | 计算并集 |
| isin(Index) | 检查是否存在与参数索引中，返回bool型数组 |
| delete(i) | 删除索引i处元素，得到新的Index |
| drop(str) | 删除传入的值，得到新Index |
| insert(i,str) | 将元素插入到索引i处，得到新Index |
| is_monotonic() | 当各元素大于前一个元素时，返回true |
| is_unique() | 当Index没有重复值时，返回true |
| unique() | 计算Index中唯一值的数组 |
DataFrame
DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。
DataFrame可以通过类似字典的方式或者.columnname的方式将列获取为一个Series。行也可以通过位置或名称的方式进行获取。
为不存在的列赋值会创建新列。
del frame['xxx'] # 删除列
常用属性
| 属性 | 说明 |
|---|---|
| values | DataFrame的值 |
| index | 行索引 |
| index.name | 行索引的名字 |
| columns | 列索引 |
| columns.name | 列索引的名字 |
| ix | 返回行的DataFrame |
| ix[[x,y,…], [x,y,…]] | 对行重新索引，然后对列重新索引 |
| T | frame行列转置 |
常用函数和方法
待更
matplotlib
split() 指定分隔符对字符串进行切片
如果参数 num 有指定值，则分隔 num+1 个子字符串
str.split(str="", num=string.count(str))
#str -- 分隔符，默认为所有的空字符，包括空格、换行(\n)、制表符(\t)等。
#num -- 分割次数。默认为 -1, 即分隔所有。
返回分割后的字符串列表。
如：
# -*- coding: UTF-8 -*-str = "Line1-abcdef \nLine2-abc \nLine4-abcd";
print str.split( ); # 以空格为分隔符，包含 \n
print str.split(' ', 1 ); # 以空格为分隔符，分隔成两个
输出：
['Line1-abcdef', 'Line2-abc', 'Line4-abcd']
['Line1-abcdef', '\nLine2-abc \nLine4-abcd']
Python语法备忘相关推荐
- MarkDown 语法备忘
转载: MarkDown 语法备忘 简书是支持Markdown的,在 iOS 项目中也经常用 markdown 为项目写说明,下面是常见的备忘一些常见的的 markdown语法. 语法 分级标题:行首 ...
- python编译备忘
常用操作 编译时指定目录: ./configure --prefix=/home/john.wang/.local 快速安装pip python -m ensurepip --default-pip ...
- 批处理文件bat 语法备忘
==== 注 ======================================= EDA中国门户网站]%`2G-Z+h-O .bat是dos下的批处理文件 EDA中国门户网站s&v ...
- Python学习备忘笔记——Python概述
移动互联网时代,手机阅读虽然十分便利,但对于一些相对复杂的知识,只读而不作进一步理解.记笔记,读进去的知识要转化为应用个人认为比较困难,例如最近在学习的Axure跟Python,Axure如果光看书不 ...
- python安装库备忘
python安装库备忘 参考 pip注意事项 python库备忘 参考 Python开发之pip使用详解 pypi pypi pip注意事项 默认安装库时按最新版本安装,可能把以前的库冲掉,造成版本不 ...
- fib函数用python编写_Python中利用函数装饰器实现备忘功能
"备忘"的定义 "memoization"(备忘)这个词是由Donald Michie在1968年提出的,它基于拉丁语单词"memorandum&qu ...
- bash:附近有语法错误_Bash备忘单：按键组合和特殊语法
bash:附近有语法错误 Bourne Again Shell(Bash)是POSIX计算机的文本界面. Shell,Bash或其他方式为您提供了一种无需回旋接口即可直接与计算机对话的方法:您键入希望 ...
- python 桌面备忘录_Python数据科学备忘单
python 桌面备忘录 The printable version of this cheat sheet 该备忘单的可打印版本 It's common when first learning Py ...
- python熊猫图案_熊猫备忘单–适用于数据科学的Python
python熊猫图案 Pandas is arguably the most important Python package for data science. Not only does it g ...
最新文章
- 现代计算机三大科学计算,计算机的三大特点是什么？
- Could not load file or assembly App_Licenses.dll的问题
- linux下线程错误码表
- bash 判断 os 版本_专家：鸿蒙OS初登手机令人惊艳，但全面商用至少还要2年
- 用于主题检测的临时日志(d94169f9-f1c0-45a2-82d4-6edc4bd35539 - 3bfe001a-32de-4114-a6b4-4005b770f6d7)...
- core部署iis的 调试net_远程调试远程 IIS 计算机上的 ASP.NET Core - Visual Studio | Microsoft Docs...
- 学习，编译ffmpeg tutorial
- R语言之离群点检验(part3)--利用聚类检测离群点
- HTML与CSS基础之伪元素(五)
- The Innovation | 中国开启肿瘤CAR-T治疗新时代
- 为什么单线程的Redis却能支撑高并发？ ---------- I/O 多路复用
- 存储过程与触发器的应用
- 每一个创业的人，你要解决的就是流量
- 2019-05-18 操作系统概论
- 安装VS2017报错：程序包清单签名验证失败
- 技术分析是用来骗我的吗？
- 2020阿里笔试编程题
- 对话甲乙丙丁CEO阮成瑜：要做产业互联网标杆，和新零售探路者
- CNCC｜AI大模型开源开放生态技术论坛，助力多领域AI生态发展
- 蘑菇街php面试,蘑菇街面试