Python手记

字符串的拼接

1.“+”，如果是字符和数字相连，要使用str()函数对于数字进行字符转化；

2.join()

3.",",链接的两个字符串之间用空格做关联

4.占位符

tmp +=1

#print 'r'%tmp

print("row num is: %s"%(tmp))

print('value is: %s; RowNum is: %s'%(cellValue,rowNo)) #多个占位

 

python的全局变量

第一种是def consts()中进行定义（函数名自定义），在使用时记得首先要consts()一下。

def consts():

global rowNum

consts()

print(str(rowNum))

 

乱码问题

在windows下面，Python输出到控制台，打出来的汉字是乱码解决方案：

1. 直接汉字处理，直接在前面添加“u"即可：

print (u'哈哈你好')

2. 如果汉字付给了变量：

string='哈哈你好'  

print string.decode('UTF-8') 

 

def test():

global rowNum

rowNum=rowNum+1

print(rowNum)

这里注意在常量函数中声明全局变量的时候，要使用global，如果在另外一个函数里面要使用，而且需要修改，也要声明global，告知编译器我修改的是全局变量，否则会报错；但是在主函数中使用则不需要。

第二种是定义一个外部文件，再import 进来

python异常处理

import traceback

try:

....

except Exception, e:

print 'traceback.print_exc():'; traceback.print_exc()

Python文件处理

file = open(“D:\Workspace\Operation_Five\sourceCode\src\test\data\StatsGroupInfo\subscriber”)

python的文件的读入报错：

IOError: [Errno 22] invalid mode ('r') or filename: 'F:\\Dropbox\\python\test.txt'

是因为这里有\t这样的转义字符；所以需要进行处理，在前面添加r，并使用单引号：

file = open(r'D:\Workspace\Operation_Five\sourceCode\src\test\data\StatsGroupInfo\subscriber')

 

关于“//”

实操机器学习的时候，发现了下面的写法：

train_data["AgeBucket"] = train_data["Age"] // 15 * 15

train_data[["AgeBucket", "Survived"]].groupby(['AgeBucket']).mean()

默然一看// 15*15还以为是注解；其实不然，是python里面特有的写法，代表除以15之后，向下取整，这种算法也称之为地板除。

 

zip
a = np.array(['a', 'b', 'c', 'd'])
b = np.array([2,4,6,8,10])
for i1, i2 in zip(a, b):
print("{}, {}".format(i1, i2))

zip用于将数组对象打包，可以用于遍历等操作。

numpy库中的random

首先要明白randomd对象生成的数据永远都是小于的，如果想要大于1自己处理去。比如astype(np.int32)，将小数进行四舍五入取整数；比如可以*10，放大十倍等

一般的玩法是：

1 import numpy.random as rnd
2 rnd.rand(row_num, col_num) #随机生成row_now行，col_num列的二维数组（矩阵）
3 rnd.random(num) #随机生成num个数（小于1的）
4 rnd.randn(row_num, col_num) #数据满足正态分布，随机生成row_now行，col_num列的二维数组（矩阵）

 python参数中的*和**

def method(* args, ** kwargs)
args的格式是元组：method("first parameter", "second parameter"...)
kwargs的格式是字典的：method(firstParam="first parametger", secondParameter="second paramerter“ ...)

 数据转化为float

从文件中获取数据，如果转成numpy的array默认是String类型，如果转化为float？

datas=array(line.split())
datas=datas.astype(np.float)

 

注意这里astype并不会改变当前数组，而是改变返回值的数据类型；所以需要有一个接收值。

nonzero

在python的numpy里面这个函数的意义是返回参数数组中不为0的元素的索引（indics）。

from numpy import array

1 from numpy import nonzero 
2 x=array([[1,0,0], [0,2,0], [1,1,0]]) 
3 print(x) 
4 nonzero(x)

 output：

[[1 0 0] [0 2 0] [1 1 0]] (array([0, 1, 2, 2], dtype=int64), array([0, 1, 0, 1], dtype=int64))

这个是要把两行捏在一起来看：

[0,1,2,2]

[0,1,0,1]

代表作为二维数组[0,0]，[1,1]，[2,0]，[2,1]四个位置的元素不为0，也就说返回的一个数组是行信息，第二个数组对应的列信息，组合在一起就是一个（x,y）坐标。

 argsort

numpy里面的函数，用于对于数据进行排序。argsort里面有一个参数axis，axis=0代表沿着纵轴进行排序，axis=1代表沿着横轴进行排序。

ar = array([[1,2],[4,3],[2,3],[0,1]])
br = ar.argsort(0)
br

输出的为：

 

array([[3, 3],
       [0, 0],
       [2, 1],
       [1, 2]], dtype=int64)

 这里大家注意了，ar的形式如下：

0）　　1　　2

1）　　4　　3

2）　　2　　3

3）　　0　　1

axis=0就是代表沿着纵向进行排序（从小到大），3）排名第一，0）排名第二，2）排名第三...，所以我们看到返回值，第一列是3,0,2,1；第二个维度（特征）继续排序，但是第二个维度排序，第二个维度值是2,3,3,1，下面对于这四个数进行排序，最小的索引是3），第二个小的索引0）一次类推；分别对于两个维度的特征进行了排序。所以可以理解axis=0就是基于特征的排序。

那么axis=1呢？那就是横向排序，即按照行进行排序：

ar = array([[1,2],[4,3],[2,3],[0,1]])
br = ar.argsort(1)
br

返回值：

array([[0, 1],
[1, 0],
[0, 1],
[0, 1]], dtype=int64)

按照行来进行排序，或者说只是行内进行排序，上面的argsort(0)则是列内进行排序，可以这么理解，argsort(1)是样本内部各个特征值的排序，argsort(0)则是样本间的特定特征值的排序。

 

 python plot中的数组

如果是plot直接扔进去一个数组将会发生什么？

import numpy 
arr = numpy.array([[1,2,3],[7,8,9]]) 
print(arr) 
from matplotlib import pyplot as plt 
plt.figure(figsize=(12, 4)) 
plt.plot(arr) 
plt plt.show()

 输出如下：

[[1 2 3]

[7 8 9]]

此时走的plot函数就是如下红框范围的api

如果plot直接收了一个数组（正常情况应该是上图1的api参数），那么plot函数会认为传入的是y值的数据，x值将会被处理为样本的索引；那么代码中数据中第一个数据点[1,2,3]将会被处理为：[0,1],[0,2],[0,3]，第二个数据将会被处理为[1,7],[1,8,],[1,0]，然后纵向进行点组合[0,1]和[1,7]做线性组合，[0,2]和[1,8]做线性组合，以此类推。