python常用函数总结
1.strip()去掉字符串头尾指定字符（默认为空格）
str.strip([chars]); 去掉str头尾的chars
2.split()通过指定分隔符对字符串进行切片，如果参数num 有指定值，则仅分隔 num 个子字符串
str.split(str="", num=string.count(str))
- str -- 分隔符，默认为所有的空字符，包括空格、换行(\n)、制表符(\t)等。
- num -- 分割次数
3.列表的append()和extend()
>>> a=[1,2,3] >>> b=[4,5,6] >>> a.append(b) >>> print a
[1, 2, 3, [4, 5, 6]]
append()方法为列表尾部添加一个新元素
>>> a=[1,2,3] >>> b=[4,5,6] >>> a.append(b) >>> print a [1, 2, 3, 4, 5, 6]
extend()方法只接受一个列表作为参数，并将该参数的每个元素都添加到原有的列表中
4.读文件的read(),readline(),readlines()
read()方法：读取整个文件，将文件内容放到一个变量中；如果文件大于可用内存，不能使用此方法。
>>> fr=open('lenses.txt')
>>> a=fr.read()
>>> print a
young myope no normal soft
young myope yes reduced no lenses
young myope yes normal hard
......
>>> type(a)
<type 'str'>
readline()方法：readline()每次读取一行，比readlines()慢很多；readline()返回的是一个字符串对象，保存当前行的内容。
>>> fr=open('lenses.txt')
>>> line=fr.readline()
>>> print line
young myope no reduced no lenses
>>> type(line) <type 'str'>
readlines()方法：一次性读取整个文件；自动将内容划分成一个含有多个列表的列表，每一行为一个列表
fr=open('lenses.txt')
>>> lines=fr.readlines()
>>> for line in lines:
... print line
young myope no reduced no lenses
young myope no normal soft
young myope yes reduced no lenses
......
>>> type(lines) <type 'list'>
6.正则表达式和string.split()切分句子
使用split()切分句子：
>>> mysent='this book is the best book on python or m.l. i have ever laid eyes upon.'
>>> mysent.split()
['this', 'book', 'is', 'the', 'best', 'book', 'on', 'python', 'or', 'm.l., 'i', 'have', 'ever', 'laid', 'eyes', 'upon.']
此时，标点符号也呗当做词的一部分。
使用正则表达式切分句子：
>>> mysent='this book is the best book on python or m.l. i have ever laid eyes upon'
>>> regEx=re.compile('\\W*')
>>> list=regEx.split(mysent)
>>> list
['this', 'book', 'is', 'the', 'best', 'book', 'on', 'python', 'or', 'm', 'l', 'i', 'have', 'ever', 'laid', 'eyes', 'upon']
7.pickle模块
使用pickle模块存储决策树
def storeTree(inputTree,filename): import pickle fw=open(filename,'w') #将python对象序列化保存到本地 pickle.dump(inputTree,fw) fw.close() def grabTree(filename): import pickle fr=open(filename) #加入本地文件，恢复python对象 return pickle.load(fr)
8.feedparser模块
feedparser 号称是一个 universal feed parser，使用它我们可轻松地实现从任何 RSS 或 Atom 订阅源得到标题、链接和文章的条目。
RSS是RDF Site Summary 的缩写（RDF是Resource Description Framework的缩写 ），是指将网站摘要用xml语言描述。
安装feedparser之前先先安装setuptool：
下载
sudo wget https://pypi.python.org/packages/source/s/setuptools/setuptools-0.6c11.tar.gz#md5=7df2a529a074f613b509fb44feefe74e
解压
sudo tar zxvf setuptools-0.6c11.tar.gz
编译和安装
sudo wget https://bootstrap.pypa.io/ez_setup.py
安装feedparser：
下载：
sudo wget https://pypi.python.org/packages/source/f/feedparser/feedparser-5.1.3.tar.gz#md5=f2253de78085a1d5738f626fcc1d8f71 --no-check-certificate
解压
sudo tar zxvf feedparser-5.1.3.tar.gz
进入feedparser-5.1.3目录下：cd feedparser-5.1.3
在当前目录下执行：python setup.py install
9.random（）函数总结
随机整数：
>>> import random
>>> random.randint(0,99)
21
随机选取0到100间的偶数：
>>> import random
>>> random.randrange(0, 101, 2)
42
随机浮点数：
>>> import random
>>> random.random()
0.85415370477785668
>>> random.uniform(1, 10)
5.4221167969800881
随机字符：
>>> import random
>>> random.choice('abcdefg&#%^*f')
'd'
多个字符中选取特定数量的字符：
>>> import random
random.sample('abcdefghij',3)
['a', 'd', 'b']
多个字符中选取特定数量的字符组成新字符串：
>>> import random
>>> import string
>>> string.join(random.sample(['a','b','c','d','e','f','g','h','i','j'], 3)).r
eplace(" ","")
'fih'
随机选取字符串：
>>> import random
>>> random.choice ( ['apple', 'pear', 'peach', 'orange', 'lemon'] )
'lemon'
洗牌：
>>> import random
>>> items = [1, 2, 3, 4, 5, 6]
>>> random.shuffle(items)
>>> items
[3, 2, 5, 6, 4, 1]
9.np.random（）函数总结
>>> import numpy as np
>>> np.random.rand(2,3)
array([[ 0.68950928, 0.03283966, 0.47028051],
[ 0.37143456, 0.97159103, 0.59014986]])
#np.random.uniform(low,high,size)
>>> np.random.uniform(1,4,2)
array([ 1.8773977 , 2.43266306])
>>> np.random.uniform(1,4,1)
array([ 1.84577045])
10.np.asarray()和np.array()
>>> import numpy as np >>> arr1=np.ones((3,3)) >>> arr2=np.array(arr1) >>> arr3=np.asarray(arr1) >>> arr1[2]=3 >>> print arr1 [[ 1. 1. 1.] [ 1. 1. 1.] [ 3. 3. 3.]] >>> print arr2 [[ 1. 1. 1.] [ 1. 1. 1.] [ 1. 1. 1.]] >>> print arr3 [[ 1. 1. 1.] [ 1. 1. 1.] [ 3. 3. 3.]]
使用np.array()函数复制之后会占用一个新的内存，而np.asarray不会。
11.np.dot()和*
>>> arr1=np.ones((3,3)) >>> arr2=np.array([[2,2,2],[2,2,2],[2,2,2]]) >>> arr1*arr2 array([[ 2., 2., 2.], [ 2., 2., 2.], [ 2., 2., 2.]]) >>> np.dot(arr1,arr2) array([[ 6., 6., 6.], [ 6., 6., 6.], [ 6., 6., 6.]])
np.dot()是真正意思上的矩阵相乘，*是对应元素相乘。
