Python 数据分析整理大全(二)

本文主要针对Python处理Excel & CSV文件的应用。所有代码均实例化代入且逐条备注解释。

全文逐条手工输入整理,可能会产生错误之处,还请指正。

之后会陆续整理 “爬虫” 与 “金融量化分析” 两个文档

#   --------------------------------------------------------------------------------------------

一、查询数据:

print(数据)                         # 查询完整数据值
print(数据.index)                   # 查索引名
print(数据['姓名'])                 # 查具体某列的值
print(数据[['姓名','性别']])         # 查具体多列的值
print(数据.values)                  # 查每列的值
print(数据.sort_index())            # 按索引列排序
print(数据.sort_values('日期'))     # 按具体某列数据排序
print(数据['a'][0])                 # 查具体列具体行的值,即a列、o行
print(数据.loc[0]['a'])             # 查具体行具体列的值,即0行、a列 (按索引)
print(数据.iloc[0][0])              # 查具体行具体列的值,即0行、a列 (按行列数)
print(数据.dtypes)                  # 查数据类型
print(数据.columns)                 # 查全部列名
print(数据.loc[0:3])                # 查指定几行的值
print(数据.head())                  # 查前5行的值(默认)
print(数据.head(3))                 # 查前3行的值
print(数据.tail(5))                 # 查最后5行的值(默认)
print(数据.tail(3))                 # 查最后3行的值
print(数据.shape)                   # 查整个表共几行几列
print(数据.fillna(1))               # 将表格中的空白填充为数字1
print(数据.replace('Jack','Jason'))    # 将表中的Jack全部替换成Jason
print(数据.reset_index(drop=True))     # 删除索引
print(数据.apply(np.square))           # 对数据各项求平方
print(数据.describe())                 # 查每列数据的平均值/最大值/最小值/标准差
print(数据['姓名'].value_counts())     # 查姓名列相同的值出现的次数

二、数据删除:

1.删除单行或多行
print(数据.drop(2))                                  # 删除第2行数据
print(数据.drop(labels=[1,3]))                       # 删除第1至第3行数据

2.删除单列或多列
print(数据.drop('语文',axis=1))                       # 删除语文至一列数据
print(数据.drop(labels=['语文','英语'],axis=1))       # 删除语文和英语这两列数据

3.删除重复行
print(数据.drop_duplicates(数据['姓名'],keep='first'))      # 删除重复行,并保留第一个重复值
print(数据.drop_duplicates(数据['姓名'],keep='last'))       # 删除重复行,并保留最后一个重复值
print(数据.drop_duplicates(数据['姓名'],keep=False))        # 删除重复行,并保留无重复值
print(数据.drop_duplicates(数据['姓名','性别'],keep=False))   # 删除多列重复行,并保留无重复值

三、处理缺失值/空白值:

1.显示空白值
print(数据.isnull())                      # 判断表中是否有空值,有空值则为True
print(数据.notnull())                     # 判断表中是否有空值,不是空值则为True

2.删除空白值
print(数据.dropna())                      # 删除有空白值的行(有空值则整行数据删除)
print(数据.dropna(axis=1))                # 删除有空白值的列(有空值则整列数据删除)
print(数据.dropna(how='all'))             # 若整行都为空值,则删除整行。否则不删
print(数据.dropna(subset=['语文','数学']))   # 删除指定多列中的空值

3.填充空白值
print(数据.fillna(100))                    # 将整个数据中的空值都填为100
print(数据.fillna({'语文':2,'数学':3}))     # 将语文列的空值填为2,数学列的空值填为3
print(数据.fillna(method='ffill'))         # 将两个非空值之间的空值按上方的非空值,向下填充完整
print(数据.fillna(method='bfill'))          # 将两个非空值之间的空值按下方的非空值,向上填充完整
print(数据.fillna(method='ffill',limit=2))   # 将两个非空值之间的空值按上方的非空值,向下填充2行

四、Excel 文件的拆分与合并

import pandas as pd
import os      # 如果功能涉及文件夹的操作,需要导入os模块
路径='c:/pandas'     # 路径没有结尾.txt/.xlsx ,则表示文件夹

1.将一个文件夹中多个Excel合并

新数据=pd.ExcelWriter('c:/pandas/新数据.xlsx') 
for i in os.listdir(路径):       
    数据=pd.read_excel('路径/文件名1.xlsx',header=1)
    新数据=pd.concat([新数据,数据])        
新数据.to_excel('路径/新数据.xlsx')
# 在'c:/pandas’文件夹下创建一个合并后的Excel文件
# 'os.listdir(路径)':读取路径这个文件夹下的所有文件的文件名
# concat:将数据合并入新数据中

2.将一个Excel中多个sheet合并成一个sheet

数据=pd.read_excel('路径/数据.xlsx',sheet_name=None)   
SHEET名=list(数据.keys())    
新数据=pd.DataFrame()  
for i in SHEET名:           
    新数据1=数据[i]
    新数据=pd.concat([新数据,新数据1])    
新数据.to_excel('路径/新数据.xlsx')
# sheet_name=None:读取Excel中所有sheet
# list:获取数据中所有sheet名称
# pd.DataFrame:创建一个空的表格用来连接,并命名为新数据
# for:循环每个sheet名称
# concat:将新数据1合并入新数据中

3.将一个Excel中的一个sheet拆分成多个sheet (指定某列拆分成不同sheet)

数据=pd.read_excel('路径/数据.xlsx')
部门明细=list(数据['部门'].drop_duplicates())    
新数据=pd.ExcelWriter('c:/pandas/新数据.xlsx')   
for i in 部门明细:                
    数据1=数据[数据['部门']==i]
数据1.to_excel(新数据,sheet_name=i)
# drop_duplicates: 因为之后将按部门列中的部门明细拆分成不同sheet,所以先去除部门列的重复值
# 在'c:/pandas’文件夹下创建一个合并后的Excel文件


4.将一个Excel拆分成多个Excel

数据=pd.read_excel('路径/数据.xlsx')
部门明细=list(数据['部门'].drop_duplicates())              
for i in 部门明细:                  
    数据1=数据[数据['部门']==i]
数据1.to_excel('{0}.xlsx',format(i))        
# 将format(i)的内容格式,填入{}中,并生成以i命名的Excel

五、字符串处理:

1. 字符的分割

print(数据['姓名'].str.cat(sep='*'))                           
# 例:王五*赵六*NaN*李逵
# 1.将姓名列的所有姓名串联,并用“*”隔开  2. cat为串联,sep为添加分隔符

print(数据['姓名'].str.cat(['变身']*len(数据),sep='^'))         
# 例:王五^变身  赵六^变身  NaN^变身  李逵^变身
# 将姓名列的所有姓名后加变身两个字,并用“^”符号隔开

print(数据['姓名'].str.cat(['变身']*len(数据),sep='^'),na_rep='没有'))          
# 例:王五^变身  赵六^变身  没有^变身  李逵^变身
# na_rep=‘没有’:将姓名列中的空值替代为“没有”这两个字

print(数据['小名'].str.split())           
# 例: 王小明  李小马 王大军 赵小六
# 将小名列分离出来

print(数据['小名'].str.split('小'))       
# 例:【王,明】  【李,马】 【王大军】 【赵,六】
# 将小名列分离出来,并用“小”字来分隔开,并删除小字,中间用逗号分隔

print(数据['小名'].str.split('小',expend=True))           
# 例:【王 明】  【李 马】 【王大军】 【赵 六】
# 将小名列分离出来,并用“小”字来分隔开,并删除小字,中间用空格分隔

print('EeEeEe'.partition('e'))                          
# 例:'E','e','EeEe'
# 将从左至右遇到的第一个e字作为分隔符,并保留e字

2. 字符的获取

print(数据['小名'].str.get(2))              
# 例: 明  马   军  六
# 获取小名列的第三个字符

print(数据['小名'].str.slice(0,2))            
# 例: 王小  李小  王大  赵小
# 获取小名列位置1~2的字符

print(数据['小名'].str.slice_replace(1.3,'之'))      
# 例: 王之  李之  王之  赵之
# 获取小名列的数据,并将2~3的数据替换成“之”字

print(数据['小名'].str.join('之'))        
# 例: 王之小之明  李之小之马 王之大之军 赵之小之六
# 获取小名列的数据,并将各字符之间用之字链接

print(数据['日期'].astype('str').str.find('-'))            
# 例: 2020-05-01  》》 位置:4
# 在日期列查找‘-’的具体位置,如果查不到则显示“-1”

3. 字符的验证

print(数据['小名'].str.contains('之',na='没有'))
# 查询小名列是否包含“之”字,有则显示“True”,没有则显示“没有”

print(数据['小名'].str.startswith('王'))
# 查询小名列是否以“王”字开头,是则显示“True”,否则显示“False”

print(数据['小名'].str.endswith('王'))
# 查询小名列是否以“王”字结尾,是则显示“True”,否则显示“False”

print(数据.str.isalpha())
# 判断字符串是否全部为字母,是显示True,否显示False

print(数据.str.isnumeric())
# 判断字符串是否全部为数字,是显示True,否显示False

print(数据.str.isalnum())
# 判断字符串是否全部为字母和数字组合,是显示True,否显示False

print(数据.str.isspace())
# 判断字符串是否全部为空格,是显示True,否显示False

print(数据.str.islower())
# 判断字符串是否全部为小写,是显示True,否显示False

print(数据.str.istitle())
# 判断字符串是否全部单词首字母都是大写,是显示True,否显示False

4. 字符的填充

print(数据['小名'].str.repeat(3))         
# 例: 王小明王小明王小明  李小马李小马李小马
# 将小名列的数值重复显示3次

print(数据['小名'].str.pad(5,fillchar='&'))            
# 例: &&&王明  &&李小马 &&王大军 &&赵小六
# 将姓名列的数据设置为5位字符,并将缺少值从左开始用“&”填充

print(数据['小名'].str.pad(5,fillchar='&',side='right'))     
# 例: 王明&&&  李小马&& 王大军&& 赵小六&&
# 将姓名列的数据设置为5位字符,并将缺少值从右开始用“&”填充

print(数据['小名'].str.pad(5,fillchar='&'side='both'))       
# 例: &&王明&  &李小马& &王大军&  &赵小六&
# 将姓名列的数据设置为5位字符,并将缺少值在两侧用“&”填充

print(数据['小名'].str.zfill(5) 
# 例: 000王明  00李小马 00王大军 00赵小六
# 将姓名列的数据设置为5位字符,并将缺少值从左开始用“0”填充

5. 字符编码转换

print(数据['姓名'].str.encode('utf-8'))
# 编码转换

print(数据['姓名'].str.decode('utf-8'))
# 解码转换

6. 字符的替换

print(数据.str.lower())
# 所有字符转换成小写

print(数据.str.upper())
# 所有字符转换成大写

print(数据.str.title())
# 每一个单词的首字母大写

print(数据.str.capitalize())
# 第一个字母大写

print(数据.str.swapcase())
# 大小写交换

字典=str.maketrans({'前''qian','后':'hou'})

print(数据['方位'],str.translate(字典))       
# 例: 前后左右 》》qianhou左右
# 指定替换字符

7. 删除空格/指定字符

print(数据['姓名'].str.strip('后'))       
# 例: 前后左右 》》 前左右
# 删除姓名列字符串中的“后”字

print(数据['姓名'].str.strip())
# 删除姓名列字符串中的空格


六、离散化和分箱:

年份=[1992,1983,1922,1932,1973]
箱子=[1900,1950,2000]

结果=pd.cut(年份,箱子)               # 箱子为分段的标准,即按1900,1950,2000来区分隔开

print(结果)
# 例:(1950,2000],(1950,2000],(1900,1950],(1900,1950],(1950,2000]
# 表示年份中的数据分别位于箱子中的哪个区间段

print(pd.value_counts(结果))
# 例:(1950,2000] >> 3      (1900,1950] >> 2   
# 表示统计每段区间内年份的个数
结果=pd.cut(年份,箱子,labels=False)

print(pd.value_counts(结果))          
# 例:1 >> 3   0 >> 2  
# 表示将以上的区间段用0和1代替,统计每段区间内年份的个数

箱子名=['50年前','50年后']
结果=pd.cut(年份,箱子,labels=箱子名)
print(pd.value_counts(结果))               
# 例: 50年后 >> 3   50年前 >> 2   
# 表示用箱子名作为区间的名称

结果=pd.qcut(年份,q=4)              # qcut 表示等分
print(pd.value_counts(结果))        
# 将年份从小到大排序后4等分


七、多层索引与计算:

数据=pd.read_excel(路径,sheet_name='有序',index_col=['班级','学号'])     
数据=数据.set_index('班级','学号')               
数据=数据.loc[('1班',slice(None)),:]            # slice(None)为显示1班内的所有行     
数据=数据.loc[('1班','小明',slice(None)),:]     # 查询1班中小明的相关数据     
# sheet_name:将Excel的sheet重命名
# index_col:将班级和学号设置为索引
# -----------------------------------------------------------------

例:
番茄           红薯          合计
销量  毛利     销量  毛利     销量    毛利
20     2       30    5       50      7
40     3       60    4       100     7

数据=pd.read_excel(路径,header=[0,1])               # 将第一第二行设置为索引
总计=数据['番茄']+数据['红薯']            # 将番茄和红薯下的销量&毛利分别相加
总计.columns=pd.MultiIndex.from_product([['合计'],总计.columns])
print(总计)
结果=pd.concat([数据.总计].axis=1)             # 将番茄和红薯和总计值横向连接


八、数据替换:

数据=数据.replace('第九','第八')         
 # 将所有的第九替换成第八

数据['数值'].replace('第九','第八',inplace=True)           
# 将数值列的所有第九替换成第八

字典={'A':20,'B':30}
数据['数值'].replace(字典,inplace=True)           
# 将数值列的所有A替换成20,B替换成30

数据['数值'].replace(['A','B'],30,inplace=True)         
# 将数值列的所有A和B都替换成30

数据.replace([A-Z],88,regex=True,inplace=True)         
# 使用正则表达式,将A至Z所有值都替换成88,regex=True 为正则表达式必写语句

九、列计算:

描述   >>     方法     >>     反转方法
加     >>     add     >>     add
减     >>     sub     >>     sub
乘     >>     mul     >>     mul
除     >>     div     >>     div
整除   >>   floordiv   >>    floordiv
N次方  >>    pow      >>     pow
数据['销售金额']=数据['单价']*数据['销售数量']
数据['销售金额']=数据['单价']*2
def 涨价(X):
    return x+3
数据['单价']=数据['单价'].apply(涨价)                    # 每行数据加3,方法一
数据['单价']=数据['单价'].apply(lambda x:x+3)            # 每行数据加3,方法二

差异=数据['结束日期']-数据['起始日期']                    # 两列日期求差
数据['间隔日期']=差异.apply(lambda x:x days)             # 将差值转换为日期格式

数据=数据['门店1'].fillna(0)+数据['门店2'].fillna(0)         
#门店1或门店2数据含空值时,将空值填充为0
import pandas as pd
import numpy as np

列表=[[1,2,3],[4,5,6],[7,8,9]]

数据.pd.DataFrame(列表,columns=list('xyz'),index=list('abc'))       # 方法一 
数据.pd.DataFrame(列表,columns=['x','y','z'],index=['a','b','c'])   # 方法二
# 将“x”,“y”,“z”分别作为“列表”的各列列名

print(数据.apply(np.square))             
# 对整个数据求平方

print(数据.apply(lambda m:np.square(m) if m.name=='x' else m))          
# 将m作为变量,如果列名为’x‘,则对x列求平方,其余列保持不变

print(数据.apply(lambda m:np.square(m) if m.name=='x' else m,axis=1))   
# 将m作为变量,如果列名为’x‘,则对x行求平方,其余行保持不变

print(数据.apply(lambda m:np.square(m) if m.name in list('yz') else m))   
# 将m作为变量,如果列名为’y‘或’z‘,则对x列和y列求平方,其余列保持不变

print(数据.apply(lambda m:np.square(m) if m.name in list('yz') else m,axis=1))   
# 将m作为变量,如果行名为‘y’或’、‘z’,则对x行和y行求平方,其余行保持不变


数据连接:


1. Concat

基础数据1

A

B

C

D

0

A0

B0

C0

D0

1

A1

B1

C1

D1

2

A2

B2

C2

D2

3

A3

B3

C3

D3

基础数据2

A

B

C

D

4

A4

B4

C4

D4

5

A5

B5

C5

D5

6

A6

B6

C6

D6

7

A7

B7

C7

D7

基础数据3

B

D

F

2

B2

D2

F2

3

B3

D3

F3

6

B6

D6

F6

7

B7

D7

F7

数据1= pd.concat([基础数据1,基础数据2])    # 方法一

数据1= 基础数据1.append(基础数据2)     # 方法二

数据1

A

B

C

D

0

A0

B0

C0

D0

1

A1

B1

C1

D1

2

A2

B2

C2

D2

3

A3

B3

C3

D3

4

A4

B4

C4

D4

5

A5

B5

C5

D5

6

A6

B6

C6

D6

7

A7

B7

C7

D7

数据2= pd.concat([基础数据1,基础数据3],axis=1)     # 行对齐

数据2

A

B

C

D

B

D

F

0

A0

B0

C0

D0

NaN

NaN

NaN

1

A1

B1

C1

D1

NaN

NaN

NaN

2

A2

B2

C2

D2

B2

D2

F2

3

A3

B3

C3

D3

B3

D3

F3

6

NaN

NaN

NaN

NaN

B6

D6

F6

7

NaN

NaN

NaN

NaN

B7

D7

F7

数据3= pd.concat([基础数据1,基础数据2],keys=['基础数据1','基础数据2']) #方法一

数据3= pd.concat({'基础数据1':基础数据1,'基础数据2':基础数据2})  # 方法二

数据3

A

B

C

D

基础数据1

0

A0

B0

C0

D0

基础数据1

1

A1

B1

C1

D1

基础数据1

2

A2

B2

C2

D2

基础数据1

3

A3

B3

C3

D3

基础数据2

4

A4

B4

C4

D4

基础数据2

5

A5

B5

C5

D5

基础数据2

6

A6

B6

C6

D6

基础数据2

7

A7

B7

C7

D7

数据4=pd.concat([基础数据1,基础数据3],axis=1,join='inner')

数据4

A

B

C

D

B

D

F

2

A2

B2

C2

D2

B2

D2

F2

3

A3

B3

C3

D3

B3

D3

F3

数据5=pd.concat([基础数据1,基础数据3],axis=1,join_axis=[基础数据1.index])

数据5

A

B

C

D

B

D

F

0

A0

B0

C0

D0

NaN

NaN

NaN

1

A1

B1

C1

D1

NaN

NaN

NaN

2

A2

B2

C2

D2

B2

D2

F2

3

A3

B3

C3

D3

B3

D3

F3


2. Join

基础数据1

A

B

key

0

A0

B0

K0

1

A1

B1

K1

2

A2

B2

K0

3

A3

B3

K1

基础数据2

C

D

K0

C0

D0

K1

C1

D1

数据3=数据1.join(数据2,on='key')

数据1

A

B

key

C

D

0

A0

B0

K0

C0

D0

1

A1

B1

K1

C1

D1

2

A2

B2

K0

C0

D0

3

A3

B3

K1

C1

D1

3. Merge

基础数据1

A

B

key1

key2

0

A0

B0

K0

K0

1

A1

B1

K0

K1

2

A2

B2

K1

K0

3

A3

B3

K2

K1

基础数据2

C

D

key1

key2

0

C0

D0

K0

K0

1

C1

D1

K1

K0

2

C2

D2

K1

K0

3

C3

D3

K2

K0

数据1=pd.merge(基础数据1,基础数据2,on=['key1','key2'])

数据1

A

B

key1

key2

C

D

0

A0

B0

K0

K0

C0

D0

1

A1

B1

K1

K0

C1

D1

2

A2

B2

K1

K0

C2

D2

数据2=pd.merge(基础数据1,基础数据2,on=['key1','key2'] ,how='outer')   # outer:全外连接,根据基础数据1&2的’key1’&’key2’两列,连接基础数据1&2

数据2

A

B

key1

key2

C

D

0

A0

B0

K0

K0

C0

D0

1

A1

B1

K0

K1

NaN

NaN

2

A2

B2

K1

K0

C1

D1

3

A2

B2

K1

K0

C2

D2

4

A3

B3

K2

K1

NaN

NaN

5

NaN

NaN

K2

K0

C3

D3

数据3=pd.merge(基础数据1,基础数据2,on=['key1','key2'] ,how='left')   # left:左连接,根据基础数据2的’key1’&’key2’两列,连接基础数据1&2

数据3

A

B

key1

key2

C

D

0

A0

B0

K0

K0

C0

D0

1

A1

B1

K0

K1

NaN

NaN

2

A2

B2

K1

K0

C1

D1

3

A2

B2

K1

K0

C2

D2

4

A3

B3

K2

K1

NaN

NaN

数据4=pd.merge(基础数据1,基础数据2,on=['key1','key2'] ,how='right')  # right:右连接,根据基础数据1的’key1’&’key2’两列,连接基础数据1&2

数据4

A

B

key1

key2

C

D

0

A0

B0

K0

K0

C0

D0

1

A2

B2

K1

K0

C1

D1

2

A2

B2

K1

K0

C2

D2

3

NaN

NaN

K2

K0

C3

D3

数据5=pd.merge(基础数据1,基础数据2)
数据6=pd.merge(基础数据1,基础数据2,on='姓名',how='right') # 根据基础数据1的姓名列,连接基础数据1&2
数据7=pd.merge(基础数据1,基础数据2,on='姓名',how='left')  # 根据基础数据2的姓名列,连接基础数据1&2
数据8=pd.merge(基础数据1,基础数据2,on='姓名',how='outer') # 根据基础数据1&2的全部姓名列,连接基础数据1&2
数据9=pd.merge(基础数据1,基础数据2,left_on='姓名',right_index=True)     #  根据基础数据1的姓名列,连接基础数据2的index列
数据10=pd.merge(基础数据1,基础数据2,on='k',suffixes=['_l','_x'])      # suffixes为后缀参数

# ---------------------------------------------------------------------------------


代码格式规范与排版:

# 代码下方出现波浪线表示代码输入的不规范,但依旧可正常执行代码。

# 如格式不清楚是否规范,可通过复制黏贴可运行的代码至空白处,系统会自动修正代码格式。

或Ctrl+Alt+L,直接将代码格式化


一、空行:
1. import语句上下保留两个空行
2. def函数声明上方保留两个空行
3. class类声明上方保留两个空行
4. def方法声明上方保留1个空行
5. 2个逻辑代码块之间保留1个空行

二、空格:

# 为方便阅读,以下用^代替空格
1. 赋值符号前后各保留一个空格                   # 例: a^=^10
2. 所有二元运算符和数字之间用空格分开            # 例: a^+=^c^+^d
3. (),[],{} 括号内无空格                     # 例: 合计=pd.concat([数据.总计])
4. 逗号、冒号、分号前面无空格,后面有一个空格      # 例:   print(x,^y)
5. 参数列表、索引、切片的左括号前无空格           # 例:   list[index]

三、缩进:
4个空格为一个缩进级别

四、断行:
1. 在逗号后面断开
2. 在运算符号前面断开

五、数字类型分类:
int     整数类型          # 例: 1
float   浮点类型          # 例: 1.0
complex 复数类型          # 例: 1+2j  (1为实部,2为虚部)
bool    布尔类型          # 例:仅False/True两个值

六、运算符分类:
1.算数运算符:
+  加          # 1+2=3  or 'Hello'+'World'='HelloWorld'    数字类型之间为求和,其他类型之间为连接符
-  减          # 2-1=1
*  乘          # 2*3=6  or  'Hello'*2='HelloHello'       数字类型之间为求积,其他类型之间为重复操作
/  除          # 2/1=2
%  取余        # 3%2=1
// 取整        # 3//2=1  or -3//2=-2    求小于a/b的商的最大整数
** 幂(次方)    # 10**2=100

2.关系运算符:
==   等于          # a等于b时,返回True,否则False
!=   不等于         # a不等于b时,返回True,否则False
>    大于
<    小于
>=   大于等于
<=   小于等于

3.逻辑运算符:
not   非         # a为True,返回False,a为False,返回True
and   与         # a,b全为True,返回True,否则False
or    或         # a,b一者及以上为True,返回True,否则False

4.赋值运算符:
+=      a+=b    >>   a=a+b
-=      a-=b    >>   a=a-b
*=      a*=b    >>   a=a*b
/=      a/=b    >>   a=a/b
%=      a%=b    >>   a=a%b
**=     a**=b   >>   a=a**b
//=     a//=b   >>   a=a//b
&=      a&=b    >>   a=a&b
》=      a》=b   >>   a=a》b
《=      a《=b   >>   a=a《b

5.位运算符:
~     位反
&     位与
|     位或
^     位异或
》    右移
《    左移

七、运算符优先级:
()            小括号
def()         函数调用
[],[]         切片
[]            下标
.             引用类成员
**            幂
~             位反
+,-           正负号
*,/,%         乘,除,取余
+,-           加,减
《,》          位移
&             位与
^             位异或
|             位或
in,not in,is,is not,<,<=,>,>=,<>,!=,==          比较
not           非
and           与
or            或
lambda()      Lambda表达式

八、控制语句:
1.分支语句
1.1  if结构:
# 条件计算为True,则执行语句;否则执行if后面语句
    if score >= 85:
        print('优秀')
    if score < 60:
        print('加油')
    if (score >= 60)and(score <= 85):
        print('努力')
1.2  if-else结构:
# 先判断if条件,如果True,则执行语句1,然后跳过else语句及语句组2;如果False,则跳过语句1,执行语句2
    if score >= 60:
        print('及格')
        if score >= 90:
            print('优秀')
    else:
    print('不及格')
1.3  elif结构:
# 为if-else结构的多层嵌套,只执行if条件中的某一个语句
    if score >= 90:
        grade='A'
    elif score >= 80:
        grade='B'
    elif score >= 70:
        grade='C'
    else:
        grade='F'
    print('Grade='+grade)

2.循环语句
2.1 while语句:
# 循环次数无限制,只要满足条件则循环
    i=0
    while i*i<100
        i+=1
    print('i={0}'.format(i))
    print('i*i={0}'.format(i*i))
2.2 for语句:
# 用于序列循环,序列包括字符串,列表,元组
for item in 'Hello':
    print(item)           # 输出:H e l l o
for item in range(1,10,2)              # 1代表开始值,10代表结束值 2代表步长
    print('Count is:{0}'.format(item))   # 输出:Count is:1   Count is:3   Count is:5   Count is:7  Count is:9

3.跳转语句
3.1 break语句:
# 强行退出循环体,不再执行剩余语句
    for item in range(5)
        if item == 3
            break
        print('Count is:{0}'.format(item))     # 输出:Count is:0   Count is:1   Count is:2
3.2 continue语句:
# 跳过if目标语句,执行循环体
    for item in range (5)
        if item == 3
            continue
        print('Count is:{0}'.format(item))      # 输出:Count is:0   Count is:1   Count is:2   Count is:4

# ------------------------------------------------------------------------------------------

常见异常:
1. AttributeError异常:          访问一个类中不存在的元素(包括:成员变量、属性、成员方法)
2. OSError/IOError/FileNotFoundError异常:     操作系统相关异常(例:”未找到文件“或”磁盘已满“)
3. IndexError异常:              访问序列元素时,下标索引超出取值范围(例:序列*4个元素,要访问第5个元素时会弹出该异常)
4. KeyError异常:                访问字典里不存在的键
5. NameError异常:               使用一个不存在的变量
6. TypeError异常:               传入的变量类型与要求不符
7. ValueError异常:              传入一个无效的参数值


# ----------------------------------------------------------------------------------------------

日期的计算:
# datetime 表示时间和日期 ;  date 表示日期 ; time 表示一天内的时间 ; timedelta 表示时间差
import datetime as 日期模块:
def 累加月(日期,传入的月份):
    年=传入的月份//12
    传入的月份=日期.month+传入的月份%12
    if月!=12:
        年=年+月//12
        月=月%12
    return 日期模块.date(日期.year+年,月,日期.day)
起始日期=日期模块.date(2020,05,26)
for i in 数据.index:
    数据['日期'].at[i]=起始日期+日期模块.timedelta(days=i)     # 例:2020.05.26   2020.05.27   2020.05.28
    数据['日期'].at[i]=日期模块.date(起始日期.year+i,起始日期.month,起始日期.day)      # 例:2020.05.26   2021.05.26   2022.05.26
    数据['日期'].at[i] =累加月(起始日期,i)               # 例:2020.05.26   2020.06.26   2020.07.26

Datetime 模块:
print(datetime.datetime.today())      # 输出: 2021-10-13 16:02:56.794003

#  返回当前本地日期和时间    
print(datetime.datetime.now())       输出:  2021-10-13 16:02:56.794003

#  返回当前本地日期和时间     
print(datetime.datetime.utcnow())   输出: 2021-10-13 08:02:56.794003

#  返回当前UTC日期和时间 (UTC时间与北京时间差8个小时)
print(datetime.datetime.fromtimestamp(999999999.999))        输出:  2001-09-09 09:46:39.999000

# 返回与UNIX时间戳对应的本地日期和时间      

print(datetime.datetime.utcfromtimestamp(999999999.999))     输出:  2001-09-09 01:46:39.999000

# 返回与UNIX时间戳对应的UTC日期和时间       
print(datetime.date(2021,10,13))         输出:2021-10-13

# 表示日期信息              

print(datetime.time(23,59,58,1999))       输出:23:59:58.001999

# 表示一天中的具体时间信息     

print(datetime.timedelta())               

# 计算日期间的差异

上一篇:支持PD快充验证带DVM数字电压表利器—2串电池组电池模拟器


下一篇:Python学习笔记:pd.filter、query筛选数据