简单的数学运算

整数相加，得到整数：

2 + 2

4

浮点数相加，得到浮点数：

2.0 + 2.5

4.5

整数和浮点数相加，得到浮点数：

2 + 2.5

4.5

变量赋值

Python使用<变量名>=<表达式>的方式对变量进行赋值

a = 0.2

字符串 String

字符串的生成，单引号与双引号是等价的：

s = "hello world"
s

'hello world'

s = 'hello world'
s

'hello world'

三引号用来输入包含多行文字的字符串：

s = """hello
world"""
print s

hello
world

s = '''hello
world'''
print s

hello
world

字符串的加法：

s = "hello" + " world"
s

'hello world'

字符串索引：

s[0]

'h'

s[-1]

'd'

s[0:5]

'hello'

字符串的分割：

s = "hello world"
s.split()

['hello', 'world']

查看字符串的长度：

len(s)

11

列表 List

Python用[]来生成列表

a = [1, 2.0, 'hello', 5 + 1.0]
a

[1, 2.0, 'hello', 6.0]

列表加法：

a + a

[1, 2.0, 'hello', 6.0, 1, 2.0, 'hello', 6.0]

列表索引：

a[1]

2.0

列表长度：

len(a)

4

向列表中添加元素：

a.append("world")
a

[1, 2.0, 'hello', 6.0, 'world']

集合 Set

Python用{}来生成集合，集合中不含有相同元素。

s = {2, 3, 4, 2}
s

{2, 3, 4}

集合的长度：

len(s)

3

向集合中添加元素：

s.add(1)
s

{1, 2, 3, 4}

集合的交：

a = {1, 2, 3, 4}
b = {2, 3, 4, 5}
a & b

{2, 3, 4}

并：

a | b

{1, 2, 3, 4, 5}

差：

a - b

{1}

对称差：

a ^ b

{1, 5}

字典 Dictionary

Python用{key:value}来生成Dictionary。

d = {'dogs':5, 'cats':4}
d

{'cats': 4, 'dogs': 5}

字典的大小

len(d)

2

查看字典某个键对应的值：

d["dogs"]

5

修改键值：

d["dogs"] = 2
d

{'cats': 4, 'dogs': 2}

插入键值：

d["pigs"] = 7
d

{'cats': 4, 'dogs': 2, 'pigs': 7}

所有的键：

d.keys()

['cats', 'dogs', 'pigs']

所有的值：

d.values()

[4, 2, 7]

所有的键值对：

d.items()

[('cats', 4), ('dogs', 2), ('pigs', 7)]

数组 Numpy Arrays

需要先导入需要的包，Numpy数组可以进行很多列表不能进行的运算。

from numpy import array
a = array([1, 2, 3, 4])
a

array([1, 2, 3, 4])

加法：

a + 2

array([3, 4, 5, 6])

a + a

array([2, 4, 6, 8])

画图 Plot

Python提供了一个很像MATLAB的绘图接口。

%matplotlib inline
from matplotlib.pyplot import plot
plot(a, a**2)

循环 Loop

line = '1 2 3 4 5'
fields = line.split()
fields

['1', '2', '3', '4', '5']

total = 0
for field in fields:total += int(field)
total

15

Python中有一种叫做列表推导式(List comprehension)的用法：

numbers = [int(field) for field in fields]
numbers

[1, 2, 3, 4, 5]

sum(numbers)

15

写在一行：

sum([int(field) for field in line.split()])

15

文件操作 File IO

cd ~

d:\Users\lijin

写文件：

f = open('data.txt', 'w')
f.write('1 2 3 4\n')
f.write('2 3 4 5\n')
f.close()

读文件：

f = open('data.txt')
data = []
for line in f:data.append([int(field) for field in line.split()])
f.close()
data

[[1, 2, 3, 4], [2, 3, 4, 5]]

for row in data:print row

[1, 2, 3, 4]
[2, 3, 4, 5]

删除文件：

import os
os.remove('data.txt')

函数 Function

Python用关键词def来定义函数。

def poly(x, a, b, c):y = a * x ** 2 + b * x + creturn yx = 1
poly(x, 1, 2, 3)

6

用Numpy数组做参数x：

x = array([1, 2, 3])
poly(x, 1, 2, 3)

array([ 6, 11, 18])

可以在定义时指定参数的默认值：

from numpy import arangedef poly(x, a = 1, b = 2, c = 3):y = a*x**2 + b*x + creturn yx = arange(10)
x
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

poly(x)

array([  3,   6,  11,  18,  27,  38,  51,  66,  83, 102])

poly(x, b = 1)

array([ 3,  5,  9, 15, 23, 33, 45, 59, 75, 93])

模块 Module

Python中使用import关键词来导入模块。

import os

当前进程号：

os.getpid()

4400

系统分隔符：

os.sep

'\\'

- 类 Class

用class来定义一个类。
Person(object)表示继承自object类；
__init__函数用来初始化对象；
self表示对象自身，类似于C Java里面this。

class Person(object):def __init__(self, first, last, age):self.first = firstself.last = lastself.age = agedef full_name(self):return self.first + ' ' + self.last

构建新对象：

person = Person('Mertle', 'Sedgewick', 52)

调用对象的属性：

person.first

'Mertle'

调用对象的方法：

person.full_name()

'Mertle Sedgewick'

修改对象的属性：

person.last = 'Smith'

添加新属性，d是之前定义的字典：

person.critters = d
person.critters

{'cats': 4, 'dogs': 2, 'pigs': 7}

网络数据 Data from Web

url = 'http://ichart.finance.yahoo.com/table.csv?s=GE&d=10&e=5&f=2013&g=d&a=0&b=2&c=1962&ignore=.csv'

处理后就相当于一个可读文件：

import urllib2
ge_csv = urllib2.urlopen(url)
data = []
for line in ge_csv:data.append(line.split(','))
data[:4]

[['Date', 'Open', 'High', 'Low', 'Close', 'Volume', 'Adj Close\n'],['2013-11-05', '26.32', '26.52', '26.26', '26.42', '24897500', '24.872115\n'],['2013-11-04','26.59','26.59','26.309999','26.43','28166100','24.88153\n'],['2013-11-01','26.049999','26.639999','26.030001','26.540001','55634500','24.985086\n']]

使用pandas处理数据：

ge_csv = urllib2.urlopen(url)
import pandas
ge = pandas.read_csv(ge_csv, index_col=0, parse_dates=True)
ge.plot(y='Adj Close')

<matplotlib.axes._subplots.AxesSubplot at 0xc2e3198>