python使用筆記23的簡單介紹

本文目錄一覽：

• 1、利用Python進行數據分析-讀書筆記(3)
• 2、Python筆記：Python裝飾器
• 3、Python筆記：命令行參數解析

利用Python進行數據分析-讀書筆記(3)

pandas專門為處理表格和混雜數據設計

import pandas as pd

from pandas import Series,DataFrame

Series 類似於一維數組+索引

data = pd.Series([1,2,3,4,5]) 生成Series數據

data.values data.index

pd.Series([1,2],index = [‘a’,’b’]) 設置索引

data[‘a’] 通過索引選取Series中單個或一組值

data[data%2==0] 進行類似numpy數組的運算index仍會保留

‘a’ in data

pd.Series(python字典) 可以通過python字典創建Series

可以通過設置index改變Series元素順序

缺失值用NaN表示

pd.isnull(data) 檢測缺失數據

pd.notnull

data1 + data2 可以根據索引自動對齊數據進行運算，類似join操作

data.name data.index.name 可賦值

index可以通過賦值方式修改

pd.DataFrame(XXX)傳入元素為等長列表或np數組組成的字典可以生成DataFrame數據，字典key值為列名

frame.head() 前五行

pd.DataFrame(XXX, columns = [xxx], index = [xxxxx]) 可能產生NaN

frame[‘a’] 取列名為a的一列數據 等價於 frame.a（此時a需要是合理的變量名） 可以以列表形式取多列數據 返回的Series序列索引與原DataFrame相同

frame.loc[0] 行選取

可以用一個Series/值對某列賦值，需要長度相等

對不存在的列賦值可創建新列

del frame[列名] 刪除列

通過索引方式返回數據視圖，修改此返回數據也會影響源數據，Series.copy()可以創建副本

嵌套字典傳給DataFrame，外層字典的鍵作為列名，內層鍵作為行索引

frame.T 轉置

frame.reindex(新索引列表) 根據新索引重排，若索引值當前不存在則NaN

列可以用columns關鍵字重新索引

obj3 = pd.Series([‘blue’, ‘purple’, ‘yellow’], index=[0, 2, 4])

obj3.reindex(range(6), method=’ffill’) ffill實現前向值填充

reindex可以修改（行）索引和列。只傳遞一個序列時，會重新索引結果的行，列可以用columns關鍵字重新索引

Series索引

series(索引列表/數值範圍切片) 選取對應元素

Python筆記：Python裝飾器

裝飾器是通過裝飾器函數修改原函數的一些功能而不需要修改原函數，在很多場景可以用到它，比如① 執行某個測試用例之前，判斷是否需要登錄或者執行某些特定操作；② 統計某個函數的執行時間；③ 判斷輸入合法性等。合理使用裝飾器可以極大地提高程序的可讀性以及運行效率。本文將介紹Python裝飾器的使用方法。

python裝飾器可以定義如下：

輸出：

python解釋器將test_decorator函數作為參數傳遞給my_decorator函數，並指向了內部函數 wrapper()，內部函數 wrapper() 又會調用原函數 test_decorator()，所以decorator()的執行會先打印’this is wrapper’，然後打印’hello world’， test_decorator()執行完成後，打印 ‘bye’ ，*args和**kwargs，表示接受任意數量和類型的參數。

裝飾器 my_decorator() 把真正需要執行的函數 test_decorator() 包裹在其中，並且改變了它的行為，但是原函數 test_decorator() 不變。

一般使用如下形式使用裝飾器：

@my_decorator就相當於 decorator = my_decorator(test_decorator) 語句。

內置裝飾器@functools.wrap可用於保留原函數的元信息（將原函數的元信息，拷貝到對應的裝飾器函數里）。先來看看沒有使用functools的情況：

輸出：

從上面的輸出可以看出test_decorator() 函數被裝飾以後元信息被wrapper() 函數取代了，可以使用@functools.wrap裝飾器保留原函數的元信息：

輸出：

裝飾器可以接受自定義參數。比如定義一個參數來設置裝飾器內部函數的執行次數：

輸出：

Python 支持多個裝飾器嵌套：

裝飾的過程：

順序從裡到外：

test_decorator(‘hello world’) 執行順序和裝飾的過程相反。

輸出：

類也可以作為裝飾器，類裝飾器主要依賴__call__()方法，是python中所有能被調用的對象具有的內置方法（python魔術方法），每當調用一個類的實例時，__call__()就會被執行一次。

下面的類裝飾器實現統計函數執行次數：

輸出：

下面介紹兩種裝飾器使用場景

統計函數執行所花費的時間

輸出：

在使用某些web服務時，需要先判斷用戶是否登錄，如果沒有登錄就跳轉到登錄頁面或者提示用戶登錄：

–THE END–

Python筆記：命令行參數解析

有些時候我們需要通過命令行將參數傳遞給腳本，C語言中有個getopt()方法，python中也有個類似的命令行參數解析方法getopt()。python也提供了比getopt()更簡潔的argparse方法。另外，sys模塊也可以實現簡單的參數解析，本文將對這3種命令行參數解析方法簡要介紹。

sys.argv是傳入的參數列表，sys.argv[0]是當前python腳本的名稱，sys.argv[1]表示第一個參數，以此類推。

命令行運行：

可以看到傳入的參數通過sys.argv來獲取，它就是一個參數列表。

python的getopt與C語言的的getopt()函數類似。相比於sys模塊，支持長參數和短參數，並對參數解析賦值。但它需要結合sys模塊進行參數解析，語法格式如下：

短參數為單個英文字母，如果必須賦值需要在後面加英文冒號( : )，長參數一般為字符串(相比短參數，更能說明參數含義)，如果必須賦值需要在後面加等號( = )。

命令行運行：

注意：短參數(options)和長參數(long_options)不需要一一對應，可以任意順序，也可以只有短參數或者只有長參數。

argparse模塊提供了很多可以設置的參數，例如參數的默認值，幫助消息，參數的數據類型等。argparse類主要包括ArgumentParser、add_argument和parse_args三個方法。

下面介紹這三個函數的使用方法。

argparse默認提供了 -h | –help 參數：

命令行運行：

下面列出部分參數：

下面來添加參數：

命令行運行：

parse_args() 方法用於解析參數，在前面的示例代碼中使用parse_args方法來提取參數值，對於無效或者錯誤的參數會打印錯誤信息和幫助信息：

命令行運行：

本文介紹了Python的三種命令行參數解析方法sys.argv、getopt和argparse，可以根據自己的需要進行選擇，getopt和argparse兩種方法相比來說，建議選擇argparse，代碼量更少更簡潔。更詳細的使用方法參考官方文檔：

–THE END–