Python学习笔记

1. x^y

x**y

2. range(a,b,c)

http://www.runoob.com/python/python-func-range.html
以a为首项(默认从0开始),c为公差(默认为1)且不超过b-1的等差数列

3. lambda匿名函数

https://blog.csdn.net/liang19890820/article/details/72846966

变量=lambda 函数参数(用逗号隔开):表达式
例:square=lambda x:x*x
等同于:def square(x):
          return  x*x

4. 导入Excel文件

import xlrd # 添加读取excel文件的功能
import pandas as pd
s=pd.read_excel('F:\data.xls')
print(s.head()) # 预览前五行数据
print(s.describe()) # 查看数据的描述统计量

5.pandas/dataframe/loc与iloc的用法区别

loc——通过行标签索引行数据
iloc——通过行号获取行数据
https://blog.csdn.net/a786150017/article/details/78573055
https://zhuanlan.zhihu.com/p/32378028

6.annotate:对图片上的某些点做标注

plt.annotate('threshold point', xy = (4, 1), xytext = (3, 1.8))
# annotate参数说明:'threshold point’:标注文本,可以随意替换;
# xy = (4, 1) :所要标注的点的坐标;
# xytext= (3, 1.8):标注文本所在位置 ;

7.升级pip version

当遇到安装库失败时,

Could not find a version that satisfies the requirement MySQLdb (from versions: )
No matching distribution found for MySQLdb
You are using pip version 10.0.1, however version 18.1 is available.
You should consider upgrading via the 'python -m pip install --upgrade pip' command.

在命令行中输入python -m pip install --upgrade pip

8.python数据库操作

python2中操作MySQL的库:MySQLdb
python3中操作MySQL的库:pyMySQL

9.如何输出两位小数的百分数(如98.79%)

第一个百分号:和 .2f 相连,表示浮点数类型保留小数点后两位(四舍五入)格式化输出;
后面两个连续的百分号:最终会输出一个%号,实现对%的转义

a=0.998745
print('a=%.2f%%'%(a*100))

输出结果:

a=99.87%

10.错误:AttributeError: 'Series' object has no attribute 'reshape'

输入:

kmodel.fit(data.reshape((-1,1))) # 训练模型

原因:Series数据类型没有reshape函数
解决办法: 用values方法将Series对象转化成numpy的ndarray,再用ndarray的reshape方法.
重新输入:

kmodel.fit(data.values.reshape((-1,1))) # 训练模型

11.错误:AttributeError: 'DataFrame' object has no attribute 'sort'

输入:

c = pd.DataFrame(kmodel.cluster_centers_).sort(0) #输出聚类中心,并且排序(默认是随机序的)

解决方法:将“sort”改为“sort_values”
重新输入:

c = pd.DataFrame(kmodel.cluster_centers_).sort_values(0) #输出聚类中心,并且排序(默认是随机序的)

错误:AttributeError: module 'pandas' has no attribute 'rollingmean'

输入:

w = pd.rollingmean(c,2).iloc[1:] #相邻两项求中点,作为边界点

解决方法:

w = c.rolling(2).mean().iloc[1:] #相邻两项求中点,作为边界点

移动平均

13.reshape参数中'-1'的意义:

https://www.zhihu.com/question/52684594
'-1'代表未知,numpy会自己计算

14.pandas.dataframe转换为多维矩阵(numpy.ndarray)的两种方法

15.IndexError: boolean index did not match indexed array along dimension 0

输入:

print(u'有效特征为:%s' % ','.join(data.columns[rlr.get_support()]))

错误原因:
get_support()函数里有一个参数indices,默认为

  • indices=False,此时函数返回一个类型是boolean的数组
  • 如果indices是True,就返回一个整型数组
    解决方法:
print(u'有效特征为:%s' % ','.join(data.columns[rlr.get_support(indices=True)]))

16.Python运算符

https://my.oschina.net/junwuwei/blog/29625

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,607评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,047评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,496评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,405评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,400评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,479评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,883评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,535评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,743评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,544评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,612评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,309评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,881评论 3 306
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,891评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,136评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,783评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,316评论 2 342

推荐阅读更多精彩内容