python基础和编程库

基础

创新互联公司坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都做网站、网站建设、外贸营销网站建设、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的浙江网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

数据类型

Number整数/浮点数

String字符串

Boolean布尔值True和False

空值None不是0

Tuple元组类型不必统一(1,‘abc’,0.4)

Dictionary key-value

List内置数据类型:列表[1,‘abc’,0.4],list是一种有序的集合，可以随时添加和删除其中的元素

变量

python是动态变量,不仅可以是数字，还可以是任意数据类型,是引用

与之对应的是静态变量,java是静态变量

字符串

字符串可以用’'或者""括起来表示。

如果一个字符串包含很多需要转义的字符，对每一个字符都进行转义会很麻烦。为了避免这种情况，我们可以在字符串前面加个前缀 r ，表示这是一个 raw 字符串，里面的字符就不需要转义了。

r'\(~_~)/ \(~_~)/'

在多行字符串前面添加r，把这个多行字符串也变成一个raw字符串

r'''Python is created by "Guido".

It is free and easy to learn.

Let's start learn Python in imooc!'''

语法

if age = 20

if age >= 18:

print 'your age is', age

print 'adult'

print 'END'

dict

d = {

'Adam': 95,

'Lisa': 85,

'Bart': 59

}

print 'Adam:', d['Adam']

print 'Lisa:', d['Lisa']

print 'Bart:', d['Bart']

注释

单行注释用#

多行注释

“”"

“”"

编程库

1.time

import time

print(time.time())

time = time.localtime( time.time() )

print(time)

print(time.tm_year)

"""

1563803665.310865

time.struct_time(tm_year=2019, tm_mon=7, tm_mday=22, tm_hour=21, tm_min=54, tm_sec=25, tm_wday=0, tm_yday=203, tm_isdst=0)

2019

"""

2.Matplotlib

绘图工具包

3.Scikit-learn

封装了大量经典以及最新的机器学习模型

4.Pandas

针对于数据处理和分析的python工具包,实现了大量便于数据读写,清洗,填充及分析功能

4.1读取文件

import pandas as pd

# 两个数据类型：Series, DataFrame

data_path = "C:/Users/admin/Desktop/111.csv"

# 读取文件

def read_file(data_path):

datas = pd.read_csv(data_path, encoding="GBK")

datas = datas.dropna()

return datas

data = read_file(data_path)

print(data)无锡好的×××医院 http://www.zzchnk.com/

# 获取某一列文字 Python 字典(Dictionary) -->contents_agent 转化成一整段

contents_agent = data["asr_agent_raw"]

contents = contents_agent.values.tolist()

5.jieba

import jieba

stopwords_file = "D:/gitProject/smartlink-sqc/smartlink-sqc-wordle/python/dict/user_dict.txt"

def seg_word(contents):

contents = contents.values.tolist()

jieba.load_userdict(stopwords_file)

segment = []

for line in contents:

try:

segs = jieba.lcut(line)

for seg in segs:

if len(seg) > 1 and seg != '\r\n' and \

u'\u4e00' <= seg <= u'\u9fa5' or \

u'\u0041' <= seg <= u'\u005a' or \

u'\u0061' <= seg <= u'\u007a':

segment.append(seg)

except:

print(line)

continue

words_df = pd.DataFrame({'words': segment})

stopwords = pd.read_csv(stopwords_file,

index_col=False,

quoting=3,

sep="\t",

names=['stopwords'],

encoding='utf-8') # quoting=3全不引用

words_df = words_df[~words_df.words.isin(stopwords.stopwords)]

return words_df

# 进行分词

words_agent = seg_word(contents_agent)

print(words_agent)

6.NumPy & SciPy

NumPy最基础的编程库,提供一些高级的数学运算机制和高效的向量和矩阵运算功能

SciPy是子啊NumPy的基础上构建的,更为强大的科学计算包

import numpy as np

def word_freq(words_df):

words_stat = words_df.groupby(by=['words'])['words'].agg({"count":np.size})

words_stat = words_stat.reset_index().sort_values(by=["count"], ascending=False)

return words_stat

words_stat_agent = word_freq(words_agent)

# 打印词频较高的前10

print(words_stat_agent.head(10))

7.Anaconda平台

一次性获得300多种用于科学和工程计算相关任务的python编程库的支持

人工智能-推荐算法理论应用场景

基于内容的推荐系统原理

代价函数.