python数据分析——Python语言基础(语法基础)

简介: 对于学过C语言的人来说,python其实很简单。学过一种语言,学习另一种语言,很显然的能感觉到,语言大体上都是相通的。当然,没学习过C语言,不是就不能学习python,python相对于其他语言,还是入手最简单的。

Python语言基础——语法基础


前言

对于学过C语言的人来说,python其实很简单。学过一种语言,学习另一种语言,很显然的能感觉到,语言大体上都是相通的。当然,没学习过C语言,不是就不能学习python,python相对于其他语言,还是入手最简单的。


语法基础

变量

变量是值可以改变的量,可以理解为一个容器。这个容器里存放的内容是可以发生改变的。python在变量类型定义方面没有强制性要求,对新手尤其方便。

在python中,不需要专门定义变量的类型,系统会根据变量的值自动判断其数据类型。在Jupyter Notebook 中输入下列代码,并点击运行按钮,观察结果

a = 1
print(a + 5)
print("hello!")
a = 5
print(a + 6)

使用Jupyter Notebook 编译器,可以一步一执行,大大降低了我们写出错误的代码。

这个出问题的原因是因为a 它的值是字符串 字符串加一个整形会报错 把它改成字符串的形式就不会报错了

给a赋一个5的字符串 打印的是5 和 6 连接的字符串

标识符

标识符用于标识某个符号或者东西的名字,可以理解为命名方式。在python中用来命名变量、函数、类、数组、字典、文件、对象等多种元素。

标识符命名需要满足下列规则:

  1. 只能由字母、数字和下划线组成,而且必须以字母或下划线开头;
  2. 不能使用python关键字;
  3. 长度不能超过255个字符。

如下,如果使用关键字,Jupyter Notebook便会报错

数据类型

数据主要包括整型、浮点型、字符串、布尔型等。

整型就是整数类型,浮点型为带小数点的数,这两者主要用于数值型数据的处理和分析。

字符串由单个或多个字符构成,布尔型则用于判别结果为真时,返回True,反之则返回False。

在python中可以使用type()方法来查看变量类型

输入与输出

输入:这部分的输入是指键盘的输入。在python中,使用input()方法实现键盘端的输入,同时将输入内容赋值给一个变量,输出则是使用print()方法实现

输出:在使用print方法实现输出时,可以根据需求,增加一些格式设置。在设置的过程中,主要使用format()方法。如输出满足保留小数点后一位的要求的代码为:

其中使用“{}”作为一个占位符,输出的时候将format函数括号中的内容填充到占位符中。对于整型和字符串都可以按原样输出,而对于浮点型数据,有时需要考虑小数位数。这种情况下,在占位符“{}”中进行设置。在该代码中占位符中的“:.1f" 表示小数点后四舍五入后保留一位小数输出

当有多个变量输出时,可以设置多个占位符"{}"

注意:python 的print函数 后面变量 是 . 号 和C语言不一样 C语言是,

format()控制多个格式

代码缩进与注释

在python开发多行代码时,采用缩进的管理方式来组织代码块,也就是同一个代码块具有相同的行缩进。

在代码的第一行以”#“开头,就是对代码的注释。注释的功能就是用于解释代码行的用意和相关用法,但不参与实际的代码解释和编译。


总结

Python是一种高级编程语言,其语法简单易学,具有机器学习、数据分析、计算机视觉、自然语言处理等多种应用场景。

相关文章
|
4月前
|
数据采集 数据可视化 数据挖掘
Python数据分析实战:Pandas处理结构化数据的核心技巧
在数据驱动时代,结构化数据是分析决策的基础。Python的Pandas库凭借其高效的数据结构和丰富的功能,成为处理结构化数据的利器。本文通过真实场景和代码示例,讲解Pandas的核心操作,包括数据加载、清洗、转换、分析与性能优化,帮助你从数据中提取有价值的洞察,提升数据处理效率。
247 3
|
6月前
|
数据采集 数据可视化 搜索推荐
Python数据分析全流程指南:从数据采集到可视化呈现的实战解析
在数字化转型中,数据分析成为企业决策核心,而Python凭借其强大生态和简洁语法成为首选工具。本文通过实战案例详解数据分析全流程,涵盖数据采集、清洗、探索、建模、可视化及自动化部署,帮助读者掌握从数据到业务价值的完整技能链。
755 0
|
3月前
|
数据可视化 大数据 关系型数据库
基于python大数据技术的医疗数据分析与研究
在数字化时代,医疗数据呈爆炸式增长,涵盖患者信息、检查指标、生活方式等。大数据技术助力疾病预测、资源优化与智慧医疗发展,结合Python、MySQL与B/S架构,推动医疗系统高效实现。
|
4月前
|
数据可视化 数据挖掘 大数据
基于python大数据的水文数据分析可视化系统
本研究针对水文数据分析中的整合难、分析单一和可视化不足等问题,提出构建基于Python的水文数据分析可视化系统。通过整合多源数据,结合大数据、云计算与人工智能技术,实现水文数据的高效处理、深度挖掘与直观展示,为水资源管理、防洪减灾和生态保护提供科学决策支持,具有重要的应用价值和社会意义。
|
5月前
|
存储 数据挖掘 大数据
基于python大数据的用户行为数据分析系统
本系统基于Python大数据技术,深入研究用户行为数据分析,结合Pandas、NumPy等工具提升数据处理效率,利用B/S架构与MySQL数据库实现高效存储与访问。研究涵盖技术背景、学术与商业意义、国内外研究现状及PyCharm、Python语言等关键技术,助力企业精准营销与产品优化,具有广泛的应用前景与社会价值。
|
8月前
|
机器学习/深度学习 数据采集 数据可视化
Python数据分析,别再死磕Excel了!
Python数据分析,别再死磕Excel了!
337 2
|
10月前
|
Python
课时19:Python的基本语法
今天给大家带来分享的是 Python 的基本语法,分为以下六个部分。 1.在 Python 中严格区分大小写 2.Python 中的每一行就是一条语句,每条语句以换行结束 3.Python 中每一行语句不要过长 4.条语句可以分多行编写,语句后边以\结尾 5.Python 是缩进严格的语言,不要随便写缩进 6.在 Python 中使用#来表示注释
204 2
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
896 4
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
271 2
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
384 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析

推荐镜像

更多