目录
- numpy 中的 eye函数
- numpy 中创建对角矩阵
- Ipython快捷键
- 魔术命令
- pyth on中的赋值号
- is 和 == 的区别
- python 中的字符串
- python 中的类型转换
- python 中的二分查找(bisect库)
- python快速获取逆序列表
- python 枚举 enumerate(x , num)
- 怎么不显示？——python中的zip函数
- 将行的列表转换为列的列表
- python 中的字典（哈希表）
- python 中的集合set 和数学上的概念一致
- python 中的map函数
- python 中的迭代器与生成器
- python 中的 rstrip()
numpy 中的 eye函数
import numpy as np
I = np.eye(N, M=None, k=0, dtype=float)
#其中，N是矩阵的行数，M是矩阵的列数。如果M未指定，则默认为N。k是对角线的偏移量，如果k=0，则表示主对角线，k>0表示主对角线上方的对角线，k<0表示主对角线下方的对角线。dtype是矩阵的数据类型，默认为float。
numpy 中创建对角矩阵
arr = np.diag(list_name , k = 0)
#k为对角线偏移量
Ipython快捷键
- ctrl + k 删除光标之前的
- CTRL + u 删除本行之前的
- ctrl + s 历史
- ctrl + a 开头 + e jiewei + b（back） + f（forward）
魔术命令
- %run xxx.py 在ipython中运行
- %run -i xxx.py 在ipython中加载模块
- %pwd 工作路径
- %who 列表 %whos 分类 %who_ls
- %xdel variable 删除这个变量
- %debug 调试
n：执行下一行代码。 s：进入当前行的函数。 c：继续执行代码直到下一个断点或程序结束。 p 变量名：打印变量的值。 q：退出调试模式。
python中的赋值号
- 赋值号不是真正的给值，而是对一块相同内存的引用
- 如果想要两块内容一样但是内存地址不同的变量，要用copy的
is 和 == 的区别
is是用来判断两个对象是否指向同一个地址 ， 即他们是否属于对象 ==只是判断两个值是否相等
python 中的字符串
是不可变的的，不能修改 可以通过str()实现其他变量转化为字符串变量
python 中的类型转换
可以直接用类型(variable)来实现 连接两个列表也可以用extend() sort和sorted的区别也就是是不是改变原先的变量
python 中的二分查找(bisect库)
import bisect c = [1,2,2,3,3,3,4] # bisect.bisect(a , x , lo = 0 , hi = len(a)) bisect.bisect(c , 2) # 输出3 , 保持表示插入2后仍然保持有序的位置，一般来说就是后一位 # bisect.bisect_left(a , x , lo = 0 , hi = len(a)) # 已排序的序列中插入x后仍然保持有序的位置，如果存在了就返回第一个的位置 # 同理bisect_right # insort_right方法，在已排序序列a中插入x 保持序列有序，跟bisect一样 bisect.bisect(c , 5)python快速获取逆序列表
a = a[::-1]python 枚举 enumerate(x , num)
怎么不显示？——python中的zip函数
```python In [5]: a = [ ‘foo’ , ‘bar’ , ‘vz’]
In [6]: b = [ ‘one’ , ‘two’ , ‘three’]
In [7]: c = zip(a , b)
In [8]: c Out[8]: <zip at 0x2e570536140>
In [9]: print(c) <zip object at 0x000002E570536140>
In [10]: print(list(c)) [(‘foo’, ‘one’), (‘bar’, ‘two’), (‘vz’, ‘three’)]
In [11]: print(dict(c)) {}
In [12]: print(tuple(c)) () #为什么之后不显示了呢？ 这是因为转换为列表之后，c对象的迭代已经完成
* zip(a , b)会生成一个迭代器 ， 每次迭代返回一个元组
```python
In [24]: a = ['foo', 'bar', 'vz']^M
...: b = ['one', 'two', 'three']^M
...: for i, (a_val, b_val) in enumerate(zip(a, b)):^M
...: print('{0}: {1}, {2}'.format(i, a_val, b_val))^M
...:
0: foo, one
1: bar, two
2: vz, three
将行的列表转换为列的列表
In [25]: a = [ 11 , 22 , 33]
In [26]: b = [ 44 , 55 , 66]
In [27]: pp = [(11,22) , (33,44) , (55,66)]
In [28]: new_a , new_b = zip(*pp)
# 这里要用到拆包符号* ， 这样我们传递进去的参数就可以被正确的拆解成3个元组
# 如果这里不加拆包符号的话 ， 我们传递进去的就是三个元素 最后的结果会变成
# new_a = ([11, 22], [33, 44], [55, 66])
# new_b = ()
In [29]: new_a
Out[29]: (11, 33, 55)
In [30]: new_b
Out[30]: (22, 44, 66)
python 中的字典（哈希表）
可以使用in来询问是否存在键
属性 keys() values()
方法 add() , insert() , pop() ## 使用hash()函数检测是否可以哈希化 -- 是否可以用来当字典的键
字典的键必须是不可变的对象
python 中的集合set 和数学上的概念一致
方法 ： a.union(b) 并集 a | b a.update(b) a|=b a.intersection(b) 交集 a.intersection_update(b) a &= b a.issubset(b) a.issuperset(b) a.isdisjoint(b)
python 中的map函数
map(function , iterable)
python 中的迭代器与生成器
In [14]: for i , v in some_dict.items() :
...: print(i , v)
...:
a 1
b 2
c 3
In [15]: dict_iterator = iter(some_dict)
In [16]: dict_iterator
Out[16]: <dict_keyiterator at 0x20eb48c3540>
In [17]: c = list(dict_iterator)
In [18]: c
Out[18]: ['a', 'b', 'c']
# 迭代器
# 生成器构造新的可遍历对象 ， 惰性的返回一个多结果序列 ， 在每个元素产生后暂停
# 只需将函数返回值从return 改变为 yield
# itertools 模块中的 groupby()
# 将迭代器中的对象按照规则进行分组
# 以下为使用默认规则排序
import itertools
a = [1,2,2,2,3,3,3,4,4,4,2,2,2,2]
for key, values in itertools.groupby(a):
print(key, list(values))
#以下为使用自定义规则分类
import itertools
# 自定义key函数，根据奇偶性进行分类
def custom_key_func(x):
if x % 2 == 0:
return "even"
else:
return "odd"
a = [1, 2, 3, 4, 5, 6, 7, 8, 9]
for key, group in itertools.groupby(a, key=custom_key_func):
print(key, list(group))
# itertools 中的 permutation(iterator , k = None)
# 根据列表的每一个元素提供给与其他元素形成的k元组
# 样例 ： 输入n 输出n的全排列个数
import itertools
n = int(input())
seq = list(range(1, n+1))
perms = sorted(itertools.permutations(seq))
for perm in perms:
print(''.join(str(num) for num in perm))
python 中的 rstrip()
import string
a = 'wdjoiwdjoiadaaaaa'
In [62]: a = a.rstrip('a')
In [63]: a
Out[63]: 'wdjoiwdjoiad'
文档信息
- 本文作者：Huanmin Dou
- 本文链接：https://mahiro2211.github.io/2023/03/21/python-data-processing/
- 版权声明：自由转载-非商用-非衍生-保持署名（创意共享3.0许可证）