Python數據科學入門

Dmitry Zinoviev著
熊子源 譯

---

第二章 數據科學的Python核心

---

第4單元 理解基本的字符串函數

大小寫轉換函數：

lower()	將所有字符轉換為小寫
upper()	將所有字符轉換為大寫
capitalize()	將第一個字符轉換為大寫，同時將后面的字符都轉化為小寫

（這些操作都不會影響其他非字母字符）

字符串判定函數：

islower()	判斷字符串中的所有字母是否都是小寫
isupper()	判斷字符串中的所有字母是否都是大寫
isspace()	檢查所有字符是否為空格
isdigit()	檢查所有字符是否為0-9中的數字
isalpha()	檢查所有字符是否為a-z，A-Z中的字母字符

符號b表示二進制數組：

            
              Array1 = b”hello”	#二進制數組
Array2 = ”hello”	#字符串數組
>>>Array1[0]
104
>>>Array2[0]
‘h’
Array1.decode()	#將二進制數組轉化為字符串數組
Array2.encode()	#將字符串數組轉化為二進制數組

            
          

去除字符串周圍的空格：

strip()	刪除整個字符串前后的空格
istrip()	刪除字符串左邊（開始處）的空格
rstrip()	刪除字符串右邊（結束處）的空格

（不刪除字符串內部的空格）

分割、連接字符串：

            
              Split(delim=””)			#使用delim中的內容作為分隔符，來分割字符串
“”.join()				#使用””中的內容將()中的內容連接起來

            
          

查找字符索引：

            
              “”.find(needle)		#查找needle在””字符串中第一次出現的索引值
“”.Count(needle)	#查找needle在””字符串中出現的次數

            
          

（區別字符串大小寫）

---

第5單元 選擇合適的數據結構

列表	搜索時間是線性的，不適合存儲大量的可搜索數據
元組	不可變的列表，搜索時間也是線性的
集合	不存在索引，適合成員查詢和消除重復項
字典	構建一個從鍵到值得映射，適合鍵值的查找

字典說明：
1，通過（鍵，值）這樣的元組列表創建字典
2，使用內置類構造函數enumerate（seq）創建字典（seq為值，鍵位對應的序號）
3，使用內置類構造函數zip（kseq,vseq）創建字典（kseq為鍵序列,vseq為值序列（兩個序列的長度相同））

---

第6單元 通過列表推導式理解列表

列表推導式是將數據集（不一定是列表）轉換為列表的表達式。
（沒什么只要知識點，本來也就沒有多少內容，就沒有總結了）

---

第7單元 使用計數器

Collections()模塊定義計數器
將計數的集合傳遞給構造函數counter，然后使用most_common()方法獲取各項及其出現頻率。

            
              from collections import counter
phrase = “a man a plan a canal panama”
cntr = counter(phrase.split())
cntr.most_common()

            
          

---

第8單元 使用文件

With語句：顯式的打開一個文件，在退出Python后能自動關閉文件

            
                  #普通語句
    f = open(name,mode=”r”)
        	f.close()
    #with語句    
    With open(name,mode=”r”) as f

            
          

f.read()	以字符串或二進制形式讀取文件所有數據
f.write()	以字符串或二進制形式向文件寫入內容

---

第9單元 上網

Urllib.parse模塊提供解析和構建網址的工具
Urlparse()方法將網址分為六個元素的元組：協議、網絡地址、文件系統路徑、參數、查詢和片段

---

第10單元 使用正則表達式實現模式匹配

將一個需要使用多次的正則表達式編譯成Pattern對象，使得模式匹配更高效

            
              CompiledPattern = re.complie(pattern,flags=0)

            
          

正則表達式說明

基本操作：

·	除換行符外的任意字符
a	字母a
a|b	a或b

字符類:

[a-d]	a,b,c,d中任一字符
[^a-d]	除a,b,c,d中任意字符
\d	一個數字字符
\D	一個非數字字符
\s	一個空白字符
\S	一個非空白字符
\w	一個字母數字字符
\W	一個非字母數字字符

數量相關：

X*	0個或多個X
X+	1個或多個X
X?	0或1個X
X{2}	2個且僅2個X
X{2,5}	2-5個X

轉移字符：

\n	換行符
\r	回車符
\t	Tab

界定符號：

^	字符起始處
\b	單詞邊界
\B	非單詞邊界
$	字符結束處

Re模塊

            
              re.split(pattern,string,maxsplit=0,flags=0) 	#通過Pattern（正則表達式）將字符串分為maxsplit個字符串，并返回子字符串列表
re.match(pattern,string,flags=0)				#檢查字符串開頭是否與Pattern相匹配
re.search(pattern,string,flags=0)				#檢查整個字符串是否存在Pattern部分
re.findall(pattern,string,flags=0) 				#查找與Pattern相匹配的所有子字符串
re.sub(pattern,repl,string,flags=0)				#用repl替換字符串的所有非重疊匹配部分

            
          

---

第11單元 globbing文件名

Globbing是匹配特定文件名和通配符的過程，是正則表達式的簡化版。
（通配符可以包含特殊字符’*’,”?”。+·不是特殊字符）

---

第12單元 Picking數據

Pickle模塊用于實現序列化——將任意的Python數據結構保存到一個文件中，并將其作為Python表達式讀回。

---

（ "We can never learn to fly without crashing a few times."--《The Flash》 ）