Python Tutorial

Posted on In

function

1
2
3
4
5
def function_name(input1, input2, ...):
    function content
    return output1, output2, ...

function_name()

NumPy

统计学

  • 计算方差、标准差

    1
    2
    3
    4
    import numpy as np
    a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
    a_var = np.var(a)  # 计算方差
    a_std = np.std(a)  # 计算标准差

  • 计算协方差、协方差矩阵

    1
    2
    3
    4
    5
    import numpy as np
    x = [1, 2, 3]
    y = [5, 20, 16]
    result_matrix = np.cov(x,y)
    result = np.cov(x,y)[0,1]

清空变量

在写 Matlab 代码时，一般都有一个习惯，即在代码最开始的地方清空所有变量，如下所示：

1
2
3
clear ;
close all ;
clc ;

那么，在 Python 中应该如何执行类似上述的操作呢？应在代码最开始的地方添加如下内容：[1]

1
2
3
4
5
6
%reset -f    # 相当于 Matlab 中的 clear, -f 代表 force，即强制执行

import matplotlib.pyplot as plt
plt.close("all")    # 相当于 Matlab 中的 close all, 即关闭所有图片

%clear    # 相当于 Matlab 中的 clc, 即清空命令窗口

Pandas

1
2
# 默认 DataFrame：df
import pandas as pd  # 默认已经导入 pandas

  • DataFrame 重命名 Column

    1
    df.columns = ['name1','name2',...]

  • 合并 DataFrmae

    1
    df = pd.concat([df1,df2,...],axis=1)  # axis=1代表按照列合并

  • DataFrame 重置索引

    1
    df.reset_index(drop=True, inplace=True)

  • 移动 DataFrame 某一列

    1
    df['column'].shift(1)

  • DataFrame.pct_change

    Percentage change between the current and a prior element.

    1
    2
    df = pd.Series([90, 91, 85])
    s.pct_change(periods=2)

  • DataFrame.loc

    Access a group of rows and columns by label(s) or a boolean array.

Data Visualization

1
2
3
plt.plot(x, y, label='label')
plt.legend()
plt.show()

Seaborn 建于 matplotlib 库的之上。它有许多内置函数，使用这些函数，只需简单的代码行就可以创建漂亮的绘图。它提供了多种高级的可视化绘图和简单的语法，如方框图、小提琴图、距离图、关节图、成对图、热图等。

Plotly 是一个高级 Python 分析库，有助于构建交互式仪表板。使用 Plotly 构建的图形是交互式图形，这意味着你可以轻松找到图形的任何特定点或会话的值。Plotly 生成仪表板并将其部署在服务器上变得非常容易。它支持 Python、R 和 Julia 编程语言。

Geoplotlib 是一个用于可视化地理数据和制作地图的 Python 工具箱。你可以使用此库创建各种地图。您可以使用它创建的一些地图示例包括热图、点密度图、地理地图等等。

Gleam 的灵感来自 R 的Shiny包。它允许你仅使用 Python 代码将图形转换为出色的 Web 应用程序。这对不了解 HTML 和 CSS 的人很有帮助。它不是真正的可视化库，而是与任何可视化库一起使用。

ggplot 的工作方式与 matplotlib 不同。它允许你添加多个组件作为图层，以在最后创建完整的图形或绘图。例如，在开始时你可以添加一个轴，然后添加点和其他组件，如趋势线。

Bokeh 库由Continuum Analytics创建，用于生成对 Web 界面和浏览器友好的可视化。Bokeh 生成的可视化本质上是交互式的，可让你传达更多信息。

Pyheat 是一个开源的 Python 库，帮助开发人员获得代码执行的逐行时间分布。Pyheat不是以表格格式显示，而是用热图表示运行每行代码所需的时间。

Heartrate 是一个开源的 Python 库，提供 Python 程序执行的实时可视化。它提供了一行一行的执行可视化，每个行的执行次数由数字决定。它在浏览器的单独窗口中显示代码的执行情况。

Snoop 是另一个可以用作调试工具的包。Snoop 帮助你识别局部变量的值并跟踪程序的执行。Snoop 主要用作一种调试工具，用于找出 Python 代码为什么没有执行你认为应该执行的操作。

Time

Run time of code

1
2
3
4
5
6
7
import time
time_start=time.time()  # 开始计时
...
...
...
time_end=time.time()  # 结束计时
print('Time cost:',time_end-time_start,'s')  # 输出耗时

IDE

PyCharm

Download Link

Config Python Interpreter with Conda

  1. 1.https://zhuanlan.zhihu.com/p/147723513 ↩