脚本宝典收集整理的这篇文章主要介绍了python基础回顾，脚本宝典觉得挺不错的，现在分享给大家，也给大家做个参考。
chr(x) 将Unicode代码转成字符ord(x) 将字符转成Unicode代码 小写字母的编码大于大写字母strs.find('x') 返回索引号第一次出现的位置无则返回-1s.rfind('x') 最后一次出现的位置，没有返回-1s.index('x') 第一次出现的位置，没有报错s.rindex('x') 最后一次出现的位置，没有报错s.count('x') x在s中出现的次数没有返回0s.splIT(',') 按,分割字符串默认按空格 换行符 制表符，返回值列表s.split(maxsplit=2)从左开始最大分隔次数为2s.rsplit(maxsplit=2)从右开始最大分隔次数为2s.partition('Fish') 分隔成fish前，fish，fish后；从左遇到的第一个fish；无返回fish和两个空字符串s.rpartition('fish') 从右边开始':'.join(lst) 列表中用 指定符号连接字符串s.lower() 返回小写字符串s.upPEr() 返回大写字符串s.captilize() 首字母大写s.title 每个单词首字母大写s.swapcase() 大小写互换s.replace('a', 'b') a替换成b 返回新的字符串s.strip() 删除两端空格s.rstrip() 删除右端空格s.lstrip() 删除左端空格s.strip('=') 删除两端=s.rstrip('=') 删除右端=s.lstrip('=') 删除左端=s.stratwith('x') 是否以x开始s.endwith('x') 是否以x结束s.islower() 是否全部小写s.isupper() 是否全部大写s.isdigit() 是否全数字s.isalnum() 是否数字字母汉字s.isalpha() 是否字母汉字s.center(30, '=') 居中对齐，输出宽度为30，不足用=填充s.ljust(20,'=') 靠左对齐s.rjust(20,'=') 靠右对齐s.zfill(20) 输出宽度为20，左侧以0填充
格式化format()指定顺序填充 'xx{1}xx'{0}'xx{2}'.form('x','y','z') x 0 y 1 z 2默认顺序填充从左往右 'xx{}xx'{}'xx{}'.form('x','y','z')格式设置 {:填充字符 对齐方式 宽度}'{:*^20}'.format('mike')宽度20居中*填充 对齐方式^居中 <左对齐 >右对齐实数和整数设置'{:.2f}'.format(3.1415926) 保留两位小数'{:=^30.4f}'.format(3.1415087) 保留四位小数,长度30，=号填充'{:5d}'.format(2323) 整数输出，宽度为5 默认填充空格
random From random import *random() 返回0-1之间随机浮点数randrange(n);randrange(m,n) 给定区间返回区间内随机数 ()中只能给整数，小数会报错randint(m,n) 从m到n的整数，两边都能取到choice(s) 序列s中随机选择一个元素uniform(m,n) m,n内随机小数sample(pop,k) 从pop类型随机选取k函数 返回列表>>> sample(['red', 'red', 'red', 'red', 'blue', 'blue'], k=5)['blue', 'red', 'red', 'blue', 'red']>>> sample(range(20),k=5)[4, 19, 2, 16, 0]>>> sample(range(20),k=5)[0, 5, 1, 14, 13]shuffle(s) 序列类型中元素随机排列，返回打乱后序列s>>> s=[0, 5, 1, 14, 13]>>> shuffle(s)>>> s[13, 14, 0, 5, 1]seed(n) 重置随机数生成器
列表 listlist.append() 指定列表尾部追加新元素list.insert(索引, 元素) 新增元素插入指定索引位置del list 删除整个列表 del list[0] 删除指定索引位置元素list.pop(索引) 删除指定元素同时返回被删值 pop()默认删除最后一个元素并返回被删值list.remove(元素) 删除指定元素值从左到右第一个list.extend(list2) 函数用于在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表） 参数为可迭代序列 如果是字符串会拆开字符串>>> a=[1,2,3]>>> b=[4,5,6]>>> id(a)2457208926912>>> id(b)2457205785920>>> a.extend(b)>>> a[1, 2, 3, 4, 5, 6]>>> id(a)2457208926912>>> a.extend('abc')>>> a[1, 2, 3, 4, 5, 6, 'a', 'b', 'c']list.index(元素) 返回元素索引无则报错list.count(元素) 返回元素个数无则返回0list.sort() 列表升序排序不改变原数据；reverse=True 降序sorted(list) 升序返回新列表，改变元数据 reverse=True 降序>>> a=[3,5,6,2,8,1,0]>>> id(a)2457208891968>>> a.sort()>>> a[0, 1, 2, 3, 5, 6, 8]>>> id(a)2457208891968>>> b=sorted(a,reverse=True)>>> b[8, 6, 5, 3, 2, 1, 0]>>> id(b)2457208926912====eval(input('please a num')) 自动识别输入元素数据类型可变数据类型 list set dict不可变数据类型 tuple int str====元组 tuplezip(lst1,lst2)>>> a[3, 5, 6, 8]>>> b[0, 1, 2]>>> for i in zip(a,b):... PRint(i)...(3, 0)(5, 1)(6, 2)元组和列表之间的转换tuple(list) 列表转换成元组list(tuple) 元组转换成列表
字典 dict 键值对键不可变，唯一性，可用于去重 求字符串字符个数del dict[key] / del dictnaedict.pop(key) 返回被删的valuedict.popitem) 随机删除字典条目，返回被删键值对以元组的形式dict.clear() 清空字典条目key in dict 返回ture/falsedict.get(key) key不存在时不报错字典的遍历for i in dict.keys(): #遍历字典所有的key for i in dict: 返回字典所有的key print(i)for i in dict.values(): #遍历字典所有的值 print(i)for i in dict.items(): #遍历字典所有的键值对 返回元组 print(i)sorted(dict) 将字典的键排序返回列表>>> a{4: 3, 3: 3, 2: 2, 1: 0}>>> sorted(a)[1, 2, 3, 4]>>> for i in sorted(a):... print(i,'--',a[i])...1 -- 02 -- 23 -- 34 -- 3items() 返回元组键值对所有的>>> t=[(v,k) for v,k in a.items()]>>> t[(4, 3), (3, 3), (2, 2), (1, 0)]>>>update()dict1.update(dict2)>>> a{4: 3, 3: 3, 2: 2, 1: 0}>>> b={'a':'a','b':'b'}>>> b{'a': 'a', 'b': 'b'}>>> a.update(b)>>> a{4: 3, 3: 3, 2: 2, 1: 0, 'a': 'a', 'b': 'b'}
集合 set 自动去重 元素不可重复 唯一性set.add(x) 添加新元素x 添加列表会报错set.update('abc') 拆分后按单个元素添加 可添加列表set.remove(x) 删除指定元素 无该元素则报错set.discard(x) 删除指定元素，无该元素不报错set.pop() 随机删除一个元素并返回被删值set.clear() 清空所有元素x in set 返回true / false
>>> b{0, 1, 2, 3}>>> a{1, 2, 3, 4, 5}set1 | set2 并集 >>> a | b{0, 1, 2, 3, 4, 5}set1 & set2 交集>>> a & b{1, 2, 3}set1 - set2 差集>>> a-b{4, 5}>>> b-a{0}set1 ^ set2 对称差集>>> a^b{0, 4, 5}
函数lambda匿名函数 参数1，参数2:<函数语句 >c=lambda x: x**2
中文文本分析相关库 jieba import jieba
画图库 matplotlib
pandas库 两种数据结构 Series对象 DataFrame对象Series对象>>> import pandas as pd>>> s1 = pd.Series([2,3,4,5])>>> s10 21 32 43 5dtype: int64前面是索引后边是值values 和 index 属性获取数据和索引>>> s1.valuesarray([2, 3, 4, 5], dtype=int64)>>> s1.indexRangeindex(start=0, stop=4, step=1)指定索引 index 默认索引也是存在的>>> s2=['a','b','c','d']>>> pd.Series([1,2,3,4],index=s2)a 1b 2c 3d 4dtype: int64标量乘法s1**2>>> s10 21 32 43 5dtype: int64>>> s1**20 41 92 163 25dtype: int64数据过滤 s1[()&()] 并且 小括号不能省略s1[()|()]或者 小括号不能省略>>> s1[(s1>2)&(s1<4)] 1 3 dtype: int64 s1[s1>4]>>> s1[s1>4]3 5应用于数学函数numpy.sqrt(s1)>>> import numpy>>> numpy.sqrt(s1)0 1.4142141 1.7320512 2.0000003 2.236068dtype: float64访问 s1[索引]修改 s1[索引]=3 有则返回无则创建相加 s1+s2 相同索引数据求和 ，没有返回NaN>>> s1+s20 2.4142141 4.7320512 6.0000003 7.2360684 NaNdtype: float64判断 pd.isnull(s1+s2) pd.notnull(s1+s2)判断是否有匹配的索引>>> pd.notnull(s1+s2)0 True1 True2 True3 True4 Falsedtype: bool
DataFrame对象创建 通过字典直接转换 每个键对于的数据是等长的列表或者numpy组合>>> colu=[f'col_{i}' for i in range(3)]>>> inde=[f'row_{i}' for i in range(10)]>>> nums[[0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2]]>>> pd.DataFrame(data=nums, index=inde, columns=colu) col_0 col_1 col_2row_0 0 1 2row_1 0 1 2row_2 0 1 2row_3 0 1 2row_4 0 1 2row_5 0 1 2row_6 0 1 2row_7 0 1 2row_8 0 1 2row_9 0 1 2通过属性查看基本信息DF.Shape 形状df.index 行索引df.columns 列索引df.values 返回所有数据df.info() 摘要信息>>> df.shape(10, 3)>>> df.indexIndex(['row_0', 'row_1', 'row_2', 'row_3', 'row_4', 'row_5', 'row_6', 'row_7', 'row_8', 'row_9'], dtype='object')>>> df.columnsIndex(['col_0', 'col_1', 'col_2'], dtype='object')>>> df.valuesarray([[0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2]], dtype=int64)>>> df.info()<class 'pandas.core.frame.DataFrame'>Index: 10 entries, row_0 to row_9Data columns (total 3 columns): # Column Non-Null Count Dtype--- ------ -------------- ----- 0 col_0 10 non-null int64 1 col_1 10 non-null int64 2 col_2 10 non-null int64dtypes: int64(3)memory usage: 320.0+ bytes
dF1=df.set_index['colum_name'] 将某列设置为新索引 原索引还在按照索引读取 df[0:2]>>> df 城市 人口 GDP2 1 2 31 2 3 44 3 4 53 4 5 6>>> df[0:2] 城市 人口 GDP2 1 2 31 2 3 4df.head(2) 取前两行df.tail(1) 取最后一行df['GDP'] 选择列
读取文件df = pd.read_csv('file.csv')导出文件df.to_csv('newfile.csv')
loc方法筛选数据 排序 数据分组 求和
jekins /restart 重启jekinsadmin 默认密码 I:ProgramDataJenkins.jenkinssecrets>type initialAdminPassword939fafe9d4ca467ab0baa154ac9a7bfdManage Jekins->;manage Plugin Available 插件汉化插件 用户权限插件 Role-based Authorization Strategy凭证管理插件 Credentials Bindinggit插件 jekins 调用python 不是内部命令 需要在jekins中设置环境变量 manage jenkins
装饰器 不改变原本函数的基础上新加功能函数装饰器函数的参数是一个函数，内嵌一个函数，返回值为内嵌函数 return 内嵌函数
import timedef ptime(func): def f(maxnum): s1 = time.time() res = func(maxnum) s2 = time.time() print('耗时总计：{:.4f}'.format(s2 - s1)) return res return fdef is_prime(num): if num < 2: return False elif num == 2: return True else: for i in range(2, num): if num % i == 0: return False return True@ptimedef prime(maxnum): pcount = 0 for i1 in range(2, maxnum): if is_prime(i1): pcount += 1 return pcountc = prime(10000)print(c)
递归函数的返回值调用函数本身 return 函数自己
递归阶乘2！= 1 * 2 n * (n - 1)def factor(n): if n < 2: return 1 return n * factor(n - 1)
闭包内部函数调用外部函数变量 保证数据安全外部函数返回值为内部函数 return 内部函数
def sun(): li = [] def inn(val): li.append(val) return sum(li) / len(li) return innab = sun()print(ab(2000))print(ab(3000))print(ab(4000))
#冒泡ar = [10, 20, 5, 6, 8, 25, 58, 30]for i in range(0, len(ar) - 1): for j in range(0, len(ar) - 1 - i): if ar[j] > ar[j + 1]: ar[j], ar[j + 1] = ar[j + 1], ar[j]print(ar)
以上是脚本宝典为你收集整理的python基础回顾全部内容，希望文章能够帮你解决python基础回顾所遇到的问题。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。