下载安装使用工具Anaconda
安装完毕后，在开始找到spyder即可。
python的编程基础
1.定义、变量、赋值
变量的命名规则，可以用a-z，A-Z，数字，下划线组成，首字母不能是数字或者下划线，变量名不能是python的保留字，大小写的赋值是不一样的。
2.数据类型
布尔型（与&、或|、非not）、数值型、字符型
1 x = 1; 2 y = 2; 3 4 x + y 5 x - y 6 x * y 7 x / y 8 9 #取整10 7 // 411 #求余12 10 % 413 14 #乘方15 2 ** 316 17 #一个关于浮点数运算需要注意的地方18 a = 4.219 b = 2.120 a + b21 22 (a + b) == 6.323 24 from decimal import Decimal25 a = Decimal('4.2')26 b = Decimal('2.1')27 a + b28 29 print(a + b)30 31 (a + b) == Decimal('6.3') 1 x = '我是一个字符串'; 2 y = "我也是一个字符串"; 3 4 5 #字符串str用单引号(' ')或双引号(" ")括起来 6 7 #使用反斜杠(\)转义特殊字符。 8 s = 'Yes,he doesn\'t' 9 print(s, type(s), len(s)) 10 11 #如果你不想让反斜杠发生转义， 12 #可以在字符串前面添加一个r，表示原始字符串 13 print('C:\some\name') 14 15 print(r'C:\some\name') 16 17 #反斜杠可以作为续行符，表示下一行是上一行的延续。 18 #还可以使用"""..."""或者'''...'''跨越多行 19 s = "abcd\ 20 efg" 21 print(s); 22 23 s = """ 24 Hello I am fine! 25 Thinks. 26 """ 27 print(s); 28 29 #字符串可以使用 + 运算符串连接在一起，或者用 * 运算符重复： 30 print('str'+'ing', 'my'*3) 31 32 #Python中的字符串有两种索引方式 33 #第一种是从左往右，从0开始依次增加 34 #第二种是从右往左，从-1开始依次减少 35 #注意，没有单独的字符类型，一个字符就是长度为1的字符串 36 word = 'Python' 37 print(word[0], word[5]) 38 print(word[-1], word[-6]) 39 40 #还可以对字符串进行切片，获取一段子串 41 #用冒号分隔两个索引，形式为变量[头下标:尾下标] 42 #截取的范围是前闭后开的，并且两个索引都可以省略 43 word = 'ilovepython' 44 word[1:5] 45 #'love' 46 word[:] 47 #'ilovepython' 48 word[5:] 49 #'python' 50 word[-10:-6] 51 #'love' 52 #Python字符串不能被改变 53 #向一个索引位置赋值，比如word[0] = 'm'会导致错误。 54 word[0] = 'm' 55 56 57 #检测开头和结尾 58 filename = 'spam.txt' 59 filename.endswith('.txt') 60 61 filename.startswith('file:') 62 63 url = 'http://www.python.org' 64 url.startswith('http:') 65 66 choices = ('http:', 'https') 67 url = 'https://www.python.org' 68 url.startswith(choices) 69 70 choices = ['http:', 'https'] 71 url = 'https://www.python.org' 72 url.startswith(choices) 73 74 75 #查找某个字符串 76 string = "I am KEN" 77 string.find("am") 78 string.find("boy") 79 #忽略大小写的搜索 80 81 import re 82 text = 'UPPER PYTHON, lower python, Mixed Python' 83 re.findall('python', text, flags=re.IGNORECASE) 84 85 #搜索和替换 86 text = 'yeah, but no, but yeah, but no, but yeah' 87 text.replace('yeah', 'yep') 88 89 #忽略大小写的替换 90 text = 'UPPER PYTHON, lower python, Mixed Python' 91 re.sub('python', 'snake', text, flags=re.IGNORECASE) 92 93 #合并拼接字符串 94 parts = ['Is', 'Chicago', 'Not', 'Chicago?'] 95 ' '.join(parts) 96 'Is Chicago Not Chicago?' 97 ','.join(parts) 98 'Is,Chicago,Not,Chicago?' 99 ''.join(parts)100 'IsChicagoNotChicago?'101 102 #接下来几节课中，我们还会有一些常用的字符串使用方法 3.数据结构
1 #列表中，可以有不同的数据类型，以及相同的值 2 a = ['him', 25, 100, 'her', 100, 25] 3 print(a) 4 5 #和字符串一样，列表同样可以被索引和切片， 6 #列表被切片后返回一个包含所需元素的新列表 7 a[1:3] 8 9 #列表还支持串联操作，使用+操作符10 a = [1, 2, 3, 4, 5]11 a + [6, 7, 8]12 #[1, 2, 3, 4, 5, 6, 7, 8]13 14 #列表中的元素是可以改变的：15 a = [1, 2, 3, 4, 5, 6]16 a[0] = 917 a[2:5] = [13, 14, 15]18 a19 #[9, 2, 13, 14, 15, 6]20 a[2:5] = [] # 删除21 a22 #[9, 2, 6]23 24 #判断值是否存在列表中25 25 in a26 27 2 in a28 29 #判断多个值，那么就要用到set30 set([2, 100]) <= set(a)
1 a = (1991, 2014, 'physics', 'math') 2 print(a, type(a), len(a)) 3 #(1991, 2014, 'physics', 'math')4 4 #元组与字符串类似，可以被索引且下标索引从0开始， 5 #也可以进行截取/切片 6 7 #其实，可以把字符串看作一种特殊的元组。 8 tup = (1, 2, 3, 4, 5, 6) 9 print(tup[0], tup[1:5])10 #1 (2, 3, 4, 5)11 tup[0] = 11 # 修改元组元素的操作是非法的12 13 #虽然tuple的元素不可改变，但它可以包含可变的对象，比如list列表。14 #构造包含0个或1个元素的tuple是个特殊的问题，所以有一些额外的语法规则：15 tup1 = () # 空元组16 tup2 = (20,)17 tup2 = (20)18 19 #另外，元组也支持用+操作符：20 tup1, tup2 = (1, 2, 3), (4, 5, 6)21 22 print(tup1+tup2)23 #(1, 2, 3, 4, 5, 6)
1 student = { 'Tom', 'Jim', 'Mary', 'Tom', 'Jack', 'Rose'} 2 print(student) # 重复的元素被自动去掉 3 #{'Jim', 'Jack', 'Mary', 'Tom', 'Rose'} 4 5 'Rose' in student # membership testing（成员测试） 6 #True 7 8 'KEN' in student # membership testing（成员测试） 9 10 # set可以进行集合运算11 a = set('abracadabra')12 b = set('alacazam')13 a14 b15 #{'a', 'b', 'c', 'd', 'r'}16 a - b # a和b的差集17 #{'b', 'd', 'r'}18 a | b # a和b的并集19 #{'l', 'm', 'a', 'b', 'c', 'd', 'z', 'r'}20 a & b # a和b的交集21 #{'a', 'c'}22 a ^ b # a和b中不同时存在的元素23 #{'l', 'm', 'b', 'd', 'z', 'r'}24 25 a = ['him', 25, 100, 'her', 100, 25]26 27 #判断多个值，那么就要用到set28 set([25, 100]) <= set(a) 1 dic = {} # 创建空字典 2 tel = { 'Jack':1557, 'Tom':1320, 'Rose':1886} 3 tel 4 #{'Tom': 1320, 'Jack': 1557, 'Rose': 1886} 5 6 tel['Jack'] # 主要的操作：通过key查询 7 #1557 8 9 del tel['Rose'] # 删除一个键值对10 tel11 12 tel['Mary'] = 4127 # 添加一个键值对13 tel14 #{'Tom': 1320, 'Jack': 1557, 'Mary': 4127}15 16 list(tel.keys()) # 返回所有key组成的list17 #['Tom', 'Jack', 'Mary']18 19 sorted(tel.keys()) # 按key排序20 #['Jack', 'Mary', 'Tom']21 22 'Tom' in tel # 成员测试23 #True24 25 'Mary' not in tel # 成员测试26 #False27 28 'KEN' in tel29 30 #构造函数 dict() 直接从键值对sequence中构建字典，当然也可以进行推导，如下：31 dict([('sape', 4139), ('guido', 4127), ('jack', 4098)])32 #{'jack': 4098, 'sape': 4139, 'guido': 4127}33 34 dict(sape=4139, guido=4127, jack=4098)35 #{'jack': 4098, 'sape': 4139, 'guido': 4127}
pandas数据结构：包含Series（系列）和DataFrame（数据框）
系列是用于存储一行或者一列的数据，以及与之相关的索引集合
1 from pandas import Series; 2 3 #定义，可以混合定义 4 x = Series(['a', True, 1], index=['first', 'second', 'third']); 5 x = Series(['a', True, 1]); 6 7 #访问 8 x[1]; 9 #根据index访问10 x['second'];11 12 #不能越界访问13 x[3]14 15 #不能追加单个元素16 x.append('2')17 #追加一个序列18 n = Series(['2'])19 x.append(n)20 21 #需要使用一个变量来承载变化22 x = x.append(n)23 24 '2' in x25 26 #判断值是否存在27 '2' in x.values28 29 #切片30 x[1:3]31 32 #定位获取，这个方法经常用于随机抽样33 x[[0, 2, 1]]34 35 #根据index删除36 x.drop(0)37 x.drop('first')38 39 #根据位置删除40 x.drop(x.index[3])41 42 #根据值删除43 x['2'!=x.values] 数据框是用于存储多行和多列的数据集合
1 from pandas import DataFrame; 2 3 df = DataFrame({ 4 'age': [21, 22, 23], 5 'name': ['KEN', 'John', 'JIMI'] 6 }); 7 8 df = DataFrame(data={ 9 'age': [21, 22, 23], 10 'name': ['KEN', 'John', 'JIMI']11 }, index=['first', 'second', 'third']);12 13 df14 15 #按列访问16 df['age']17 #按行访问18 df[1:2]19 20 #按行列号访问21 df.iloc[0:1, 0:1] 22 23 #按行索引，列名访问24 df.at[0, 'name']25 26 #修改列名27 df.columns28 df.columns=['age2', 'name2']29 30 #修改行索引31 df.index32 df.index = range(1,4)33 df.index34 35 #根据行索引删除36 df.drop(1, axis=0)37 #默认参数axis=038 #根据列名进行删除39 df.drop('age2', axis=1)40 41 #第二种删除列的方法42 del df['age2']43 44 #增加行，注意，这种方法，效率非常低，不应该用于遍历中45 df.loc[len(df)] = [24, "KENKEN"];46 47 #增加列48 df['newColumn'] = [2, 4, 6, 8]; 4.程序结构
顺序结构，从上到下执行代码
选择结构：if....else....
1 """ 2 if 判断条件： 3 执行语句…… 4 else： 5 执行语句…… 6 """ 7 8 flag = False 9 name = 'luren'10 if name == 'python': # 判断变量否为'python'11 flag = True # 条件成立时设置标志为真12 print('welcome boss') # 并输出欢迎信息13 else:14 print(name) # 条件不成立时输出变量名称15 16 17 18 num = 5 19 if num == 3: # 判断num的值20 print('boss') 21 elif num == 2:22 print('user')23 elif num == 1:24 print('worker')25 elif num < 0: # 值小于零时输出26 print('error')27 else:28 print('roadman') # 条件均不成立时输出 循环结构：while、for
1 from pandas import Series; 2 from pandas import DataFrame; 3 4 for i in range(10): 5 print('现在是： ', i) 6 7 for i in range(3, 10): 8 print(i) 9 10 #遍历字符串11 for letter in 'Python':12 print ('现在是 :', letter)13 14 #遍历数组15 fruits = ['banana', 'apple', 'mango']16 17 for fruit in fruits:18 print ('现在是 :', fruit)19 20 #遍历序列21 x = Series(['a', True, 1], index=['first', 'second', 'third']);22 x[0];23 x['second'];24 x[2];25 26 for v in x:27 print("x中的值 ：", v);28 29 for index in x.index:30 print("x中的索引 :", index);31 print("x中的值 :", x[index]);32 print("---------------------")33 34 #遍历数据框35 df = DataFrame({36 'age': Series([21, 22, 23]), 37 'name': Series(['KEN', 'John', 'JIMI'])38 });39 40 #遍历列名41 for r in df:42 print(r);43 44 #遍历列45 for cName in df:46 print('df中的列 ：\n', cName)47 print('df中的值 ：\n', df[cName]);48 print("---------------------")49 50 #遍历行，方法一51 for rIndex in df.index:52 print('现在是第 ', rIndex, ' 行')53 print(df.irow(rIndex))54 55 #遍历行，方法二56 for r in df.values:57 print(r)58 print(r[0])59 print(r[1])60 print("---------------------")61 62 #遍历行，方法三63 for index, row in df.iterrows():64 print('第 ', index, ' 行：')65 print(row)66 print("---------------------")67 1 from pandas import Series; 2 from pandas import DataFrame; 3 4 #最普通的while循环 5 i = 0 6 while i <= 9: 7 print('遍历到 :', i); 8 i = i+1; 9 10 #整合if判断语句，使用continue11 i = 112 while i < 10: 13 i += 1 # i = i + 114 if i%2 != 0: # 非双数时跳过输出15 continue16 print(i) # 输出双数2、4、6、8、1017 18 #整合if判断语句，使用break19 i = 120 while True: # 循环条件为1必定成立21 print(i) # 输出1~1022 i += 123 if i > 10: # 当i大于10时跳出循环24 break25 26 #当然，我们也可以使用while语句来访问DataFrame等数据结构27 df = DataFrame({28 'age': Series([21, 22, 23]), 29 'name': Series(['KEN', 'John', 'JIMI'])30 });31 32 rowCount = len(df);33 34 i = 0;35 36 while i 5.函数
1 #!/usr/bin/python 2 # -*- coding: UTF-8 -*- 3 4 # 不带参数的函数 5 def printLine(): 6 #输出一条横线 7 print("--------------------------------------------"); 8 #没有返回值 9 #return;10 11 printLine(); 12 13 # 带参数的函数14 def printInfo(name, age):15 print("name is: ", name, "; age is: ", age);16 #没有返回值17 return;18 19 # 正确调用20 printInfo("KEN", 18);21 printInfo(age=18, name="KEN");22 23 #错误调用24 printInfo("KEN");25 26 # 默认参数的函数27 def printInfo(name, age=20):28 print("name is: ", name, "; age is: ", age);29 #没有返回值30 return;31 32 #正确调用33 printInfo("KEN");34 35 36 # 可变长参数的函数--数组形式37 def printInfo(name, *args):38 #打印任何传入的字符串39 print("name is: ", name);40 printLine();41 for arg in args:42 print(arg);43 #没有返回值44 return;45 46 #正确调用47 printInfo("KEN", 20, "男", 178, "70KG", 'abc');48 49 50 # 可变长参数的函数--kv方式51 def printInfo(name, **kvArgs):52 #打印任何传入的字符串53 print("name is: ", name);54 printLine();55 for k in kvArgs:56 print(k, "is: ", kvArgs[k]);57 #没有返回值58 return;59 60 #正确调用61 printInfo("KEN", age=20, sex="男", height="178", weight="70KG");62 63 #错误调用64 printInfo("KEN", 20, "男");65 66 67 #有返回值的函数68 def maxValue(*args):69 rValue = args[0];70 for var in args:71 if rValue < var :72 rValue = var;73 return rValue;74 75 r = maxValue(4, 5, 2, 6, 7, 1);76 print(r);77 78 sumValue = lambda arg1, arg2: arg1+arg2;79 r = sumValue(1, 5)80 print(r)81 82 import numpy;83 from pandas import DataFrame;84 85 df = DataFrame({86 'key1': ['a','a','b','b','a'],87 'key2': ['one','two','one','two','one'],88 'data1': numpy.random.randn(5),89 'data2': numpy.random.randn(5)90 });91 92 df.groupby('key1')['data1','data2'].agg(lambda arr:arr.max()-arr.min()) 6.向量化计算
向量化计算是一种特殊的并行计算的方式，相比于一般程序在同一时间只能执行一个操作的方式，它可以在同一时间执行多次操作，通常是对不同的数据执行同样的一个或者一批指令，或者说把指令应用与一个数组/向量。
生成等差数列、四则运算
1 #生成一个整数的等差序列 2 #局限，只能用于遍历 3 r1_10 = range(1, 10, 2) 4 5 for i in r1_10: 6 print(i) 7 8 r1_10 = range(0.1, 10, 2) 9 10 11 #生成一个小数的等差序列12 import numpy13 numpy.arange(0.1, 0.5, 0.01) 14 15 r = numpy.arange(0.1, 0.5, 0.01) 16 17 #向量化计算，四则运算18 r + r19 r - r20 r * r21 r / r22 23 #长短不一时24 r + 125 26 #函数式的向量化计算27 numpy.power(r, 5)28 29 #向量化运算，比较运算30 r>0.331 #结合过滤进行使用32 r[r>0.3]33 34 #矩阵运算35 numpy.dot(r, r.T)36 37 sum(r*r)38 39 from pandas import DataFrame40 df = DataFrame({41 'data1': numpy.random.randn(5),42 'data2': numpy.random.randn(5)43 })44 45 df.apply(lambda x: min(x))46 47 df.apply(lambda x: min(x), axis=1)48 49 #判断每个列，值是否都大于050 df.apply(lambda x: numpy.all(x>0), axis=1)51 #结合过滤52 df[df.apply(lambda x: numpy.all(x>0), axis=1)]