python的部分高级数据

简介: 在python的基础命令上,深了一些

python的导入数据:
python的序列:在python中,序列就是按照顺序进行排序的值。【数据集合】
在python中存在三种内置的序列类型:
字符串、列表、元组

序列的优点:支持索引和切片的操作
特征:第一个正索引为零的时候,它的默认指向的是从左往右。第一个索引为负数时,它的默认指向为从右往左。

切片的定义:
是指截取字符串中的其中一段内容。
切片的使用语法:【起始下标:结束下标:步长】切片截取的内容不包含结束下标对应的数据,步长是指隔几个下标获取一个字符。
切片:【高级特征】可以根据下标来获取序列对象的任意数据。【部分数据】
语法结构:[开始位置:结束:步长] 步长默认值为:1

字符串常用语法:
1、capitalize() 首字母大小写
2、endswith/startswith() 是否x结束/开始
3、find() 检测x是否在字符串中
4、isalnum() 判断是否是字母和数字
5、isalpha() 判断是否是字母
6、isdigit() 判断是否是数字
7、islower() 判断是否是小写
8、join() 循环取出所有值用xx去连接
9、lower/upper 大小写转换
10、swapcase 大写变小写,小写变大写
11、lstrip/rstrip/strip 移除左/右/两侧空白
12、split() 切割字符串
13、title() 把每个单词的首字母变成大写
14、replace(old,new,count=None) old被换字符串,new替换字符串,count换多少个。无count表示全部替换。
15、count() 统计出现的次数
16、strip() 清除字符串中的空格,但只能清除开头和结尾的空格,字符串中间的空格不能清除
17、lstrip() 清除左边的空格
18、rstrip() 清除右边的空格
19、index() 检测字符串中是否包含子字符串 返回的是下标值 查找的对象里没有我们要找的字符,那么会直接报错
20、find() 找查目标对象的下标值 如果查找的对象里没有我们要找的字符,那么会执行出-1

列表的使用:
list:python当中非常重要的数据结构,是一种有序的数据集合
特点:
1、支持增删改查
2、列表中的数据是可以变化的【数据项可以变化,内存地址并不会改变】
3、用中括号'[ ]'来表示列表类型,数据项之间用逗号来分割,数据项可以是任何类型的数据
4、支持索引和切片来进行操作
列表的常用命令:
append 在列表后面追加元素
count 统计元素出现的次数
extend 扩展,相当于批量添加
index 获取指定元素索引号
insert 在指定位置插入...
pop 删除最后一个元素
remove 移除左边找到的第一个元素
reverse 反转列表
sort 列表排序 reverse=True.倒序
列表的增删查改:

列表的使用

li=[] #空列表

li=[1,2,3,'你好']

print(type(li))

print(len(li)) #len函数 可以获取到列表对象的数据个数

a='good morning'

print(len(a))

查找:

a=['ab',12,21.12,True]

print(a) #输出完整列表

print(a[0]) #输出第一个元素

print(a[1:3]) #从第二个到第三个元素

print(a[2:]) #从第三个开始到最后的所有元素

print(a[::-1]) #倒序输出,从右向左开始输出

print(a*2) #多次输出列表中的数据

增加

a.append(['123,456']) #在原有列表中增加元素或者列表 append

a.append('morning')

print(a)

插入

a.insert(1,'bye') #在原有数据列表中插入数据 insert

print(a)

b=list(range(10)) #强制转换为list对象

print(type(b))

a.extend(b) #扩展列表,将b中的元素扩展到列表a当中

print(a)

修改

a=['ab',12,21.12,True]

print('修改之前',a)

a[0]='table'

print('修改之后',a)

删除

a=list(range(1,11))
print('删除之前',a) #删除列表中第一个元素
del a[0:4] #批量删除多项数据
print('删除之后',a)
元组是一种不可变的序列,在创建之后就不能做任何的修改
1、不可变
2、用小括号来创建元组类型,数据项用逗号来分割
3、可以是任何的类型
4、当元组中只有一个元素时,要加上逗号,不然解释器会当作整形来处理
5、同样可以支持切片操作

当元组中只有一个数据项的时候,必须要在第一个数据项的后面加上逗号

字典: 字典是有键值对组成的集合
字典可以储存任何对象,字典是以键值对的形式创建{'key':'value'}利用大括号包裹着
字典中找某个元素时,是根据键、值字典的每个元素由2部分组成,键:值
访问值的安全方式get方法,在我们不确定字典中是否存在某个键而又想获取其值时,可以使用get方法,还可以设置默认值
获取键:keys python3返回包含字典所有key值的dict keys对象,用for循环取出每个key值
获取值:values python3版本中使用values返回一个包含所有值的dict values对象
统计个数len() 可以查看字典中有几个键值对
删除元素 del删除指定元素 clear清空字典
获取键值对 python3 返回一个包含所有(键,值)元组的列表dict items对象
删除指定键 pop('键')删除指定键
特点:
1、不是序列类型 没有下标的概念,是一个无序的键值集合,是内置的高级数据类型
2、用{}来表示字典对象,每个键值用逗号分隔
3、键 必须是不可变的类型。【可以是元组、字符串(str)等】值可以为任何类型
4、每个键 都是唯一的,如果存在重复的键,那么后者的键会覆盖前者的键。(会产生覆盖)

如何创建字典

zidiana={'zhanye':'艺术','school':'长江大学文理学院'} #空字典

print(type(zidiana))

添加字典数据

zidiana['姓名']='老王'#前面代表:key 后面代表value key:value

zidiana['年龄']=28

zidiana['职业']='邻居'

print(zidiana)

zidiana['姓名']='老魏' #修改键对应的值

zidiana['年龄']=20

zidiana['职业']='学生'

结束添加

print(zidiana) #输出完整的字典

print(len(zidiana)) #数据项的长度

获取/查找

print(zidiana['姓名']) #通过键获取对应的值

获取所有的键

print(zidiana.keys())

获取所有的值

print(zidiana.values())

获取所有的键和值

print(zidiana.items())

for a,b in zidiana.items():

print(a+'=='+b)

更新字典里的数据(增加)

zidiana.update({'年龄':20})

zidiana.update({'身高':170})

print(zidiana)

删除

del zidiana['专业'] #删除指定的键

print(zidiana)

如何排序 按照key排序

print(sorted(zidiana.items(),key=lambda d:d[0]))

按照value排序

print(sorted(zidiana.items(),key=lambda d:d[1]))

合并操作+
两个对象相加操作,会合并两个对象(适用于字符串,列表,元组)
*复制
对象自身按指定次数进行+操作(适用于字符串,列表,元组)
in 判断元组是否存在
判断指定元素是否存在于对象之中(适用于字符串,列表,元组,字典)

相关文章
|
20天前
|
机器学习/深度学习 TensorFlow 算法框架/工具
使用Python实现深度学习模型:智能数据隐私保护
使用Python实现深度学习模型:智能数据隐私保护 【10月更文挑战第3天】
63 0
|
8天前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道
|
18天前
|
数据处理 Python
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
这篇文章介绍了如何使用Python读取Excel文件中的数据,处理后将其保存为txt、xlsx和csv格式的文件。
37 3
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
|
18天前
|
计算机视觉 Python
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
这篇文章介绍了如何使用Python的OpenCV库将多张图片合并为一张图片显示,以及如何使用matplotlib库从不同txt文档中读取数据并绘制多条折线图。
37 3
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
|
19天前
|
数据可视化 算法 Python
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
本文介绍了如何利用Python脚本结合动态模态分解(DMD)技术,分析从OpenFOAM模拟中提取的二维切片数据,以深入理解流体动力学现象。通过PyVista库处理VTK格式的模拟数据,进行POD和DMD分析,揭示流场中的主要能量结构及动态特征。此方法为研究复杂流动系统提供了有力工具。
48 2
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
|
6天前
|
数据可视化 算法 JavaScript
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构,计算片段间的相似性,并构建连通图,可以揭示数据中的隐藏模式。文章介绍了平稳性的概念,提出了基于图的平稳性度量,并展示了图分区在可视化平稳性中的应用。此外,还模拟了不同平稳性和非平稳性程度的信号,分析了图度量的变化,为时间序列数据分析提供了新视角。
21 0
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
|
15天前
|
自然语言处理 算法 数据挖掘
探讨如何利用Python中的NLP工具,从被动收集到主动分析文本数据的过程
【10月更文挑战第11天】本文介绍了自然语言处理(NLP)在文本分析中的应用,从被动收集到主动分析的过程。通过Python代码示例,详细展示了文本预处理、特征提取、情感分析和主题建模等关键技术,帮助读者理解如何有效利用NLP工具进行文本数据分析。
36 2
|
15天前
|
JSON 安全 数据安全/隐私保护
深度剖析:Python如何运用OAuth与JWT,为数据加上双保险🔐
【10月更文挑战第10天】本文介绍了OAuth 2.0和JSON Web Tokens (JWT) 两种现代Web应用中最流行的认证机制。通过使用Flask-OAuthlib和PyJWT库,详细展示了如何在Python环境中实现这两种认证方式,从而提升系统的安全性和开发效率。OAuth 2.0适用于授权过程,JWT则简化了认证流程,确保每次请求的安全性。结合两者,可以构建出既安全又高效的认证体系。
33 1
|
24天前
|
JSON 安全 数据安全/隐私保护
深度剖析:Python如何运用OAuth与JWT,为数据加上双保险🔐
【10月更文挑战第2天】当讨论Web应用安全时,认证与授权至关重要。OAuth 2.0 和 JSON Web Tokens (JWT) 是现代Web应用中最流行的两种认证机制。OAuth 2.0 是一种开放标准授权协议,允许资源拥有者授予客户端访问资源的权限,而不需直接暴露凭据。JWT 则是一种紧凑、URL 安全的信息传输方式,自我包含认证信息,无需服务器查询数据库验证用户身份。在 Python 中,Flask-OAuthlib 和 PyJWT 分别用于实现 OAuth 2.0 和 JWT 的功能。结合两者可构建高效且安全的认证体系,提高安全性并简化交互过程,为数据安全提供双重保障。
21 7
|
22天前
|
数据采集 存储 监控
如何使用 Python 爬取商品数据
如何使用 Python 爬取京东商品数据
29 3