一、介紹（11月22日）

小問題找函數 大問題找包

python數據分析常用的包

數據庫實現的功能的在panda包里面找
其中M\S\P是數據可視化工具
深度學習使用的包是pytorch(facebook支持)
中文的nlp：Jieba、pynlpir
英文的nlp:NLTK

學python前的準備工作

Pycharm: 是按照程序員的使用習慣設計的軟件
機器語言翻譯成人的語言可以分為：
1、編譯：一次性翻譯
2、解釋：順序翻譯，依次進行翻譯
Python是解釋性語言 C面向軟件開發 Java先編譯后解釋 先轉換成class。

Pip和conda是兩個服務器：pip是python專用的 pip來源于pip.org
Conda包含多種通用包
兩個都會使用 pip位于國外 安裝會很慢 通常需要鏡像

Anaconda 的兄弟是miniconda（占用內存較小）
門戶：Anaconda Navigator(將上面四個功能同一在一起) 在數據分析領域最受歡迎的平臺

Jupyter注意事項：cs結構 browser-server （和Tomcat很像）
1、 包含browser端和server端(一臺電腦既是服務器又是瀏覽器)
2、 所有標點符號都是英文
3、 英文大小寫要注意好
4、 縮進要正確

常用快捷鍵

常用的編譯的快捷鍵

高質量python代碼
1、優雅 高效 明確
2、Zen:禪
3、PEP8：PYTHON ENHANCE PRESENTATION8
4、基于Guido’s python Style Guide

數據類型

記憶方式：
括號前有單詞就是函數 沒有單詞就是元組
查看數據類型：Type()

容器：
1、中括號（多個整數 列表）
2、小括號（元組）
3、大括號（集合（只有數字）、字典（帶有索引的；既有key 又有value； 包括很多眼睛））
Int float bool string list tuple set dict 說明：單雙引號作用相同
說明：
1 int
‘1’ \“1” string
[1] list
(1) tuple
{1} set
{‘a’:1} dict

判斷數據類型

Isinstance(a,b) 對a進行判斷 是否是符合b類型的變量
bool是整型的子類 繼承了整型的 true=1 false=0

數據類型轉換

int(1.6) 目標數據類型（目標數據）

特殊數據類型

None 缺失值
NotImplemented:函數沒有實現
Ellipsis:

函數：print() 可以對函數進行參數的調整
help(函數名)=？函數名：查看函數使用說明
內置函數 python的解釋器 kernel里面內嵌的函數
當函數有問題的時候 可以通過help調參進行修改（tips：Arguments:參數）
例子
x=1
y=2
Print(x, end=”……”) # end默認“\n“
Print(y)
output x…y

4.5序列類型

[2,1] 和 [1,2] 是不同的列表
切片 a[1:4:2] 2是步長 [] 前面有單詞是切片 沒單詞是列表

7 賦值語句

鏈式賦值語句：I=J=2
復合賦值語句： I*=8
序列的拆包式賦值： a ,b ,c=1,2,3
兩個變量值的調換
a=1
b=2
a , b=b, a
a, b
（c語言需要中間變量）

And 與和or（短路運算） 只要有一個是假的就都是假的（and） 真的就都是真的

函數

9.2內置函數

（BIF函數 built-in function 在解釋器中自帶的函數 常用c語言寫的 少部分用java寫的）
Pow（2，10） 2的十次方
Round（2.999，2）對2.999保留兩位小數

9.3 math(數學函數)

Import math
負數的運算找cmath

9.4優先級與結合方向

223 由右向左 256
（2**2）**3 64 有括號先括號
1+2 and 3+4
從右向左 到7就短路了 返回7（原因是非零是true 零是false）

10. if語句

10.1基本語法

順序、選擇
elif=else if

if 與三元運算
例子
X=0
Results=”Y” if x>0 or y>0

Import calendar
calendar.isleap(2021) #判斷是否為閏年

sum=0
for i in (1,2,3): #123循環執行
sum=sum+1
print(i,sum)

（待解決問題：惰性運算的問題）

List(range(1,10)) (list用于惰性運算)

循環問題

Break 往下跳，跳出循環 今天上午完事 你就玩完啦
Continue 往上跳，跳到循環體外面 今天上午過完 下午不做了 明天接著

二、數據加工和數據準備

三、統計學習

四、數據可視化

五、機器學習

六、圖像處理

七、nlp

八、Spark編程

九、NoSQL編程

十、數據分析方法與技能

總結

以上是生活随笔為你收集整理的Python编程及高级数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。