Python数据科学入门

Dmitry Zinoviev著
熊子源译

第二章数据科学的Python核心

第4单元理解基本的字符串函数

大小写转换函数：

lower()	将所有字符转换为小写
upper()	将所有字符转换为大写
capitalize()	将第一个字符转换为大写，同时将后面的字符都转化为小写

（这些操作都不会影响其他非字母字符）

字符串判定函数：

islower()	判断字符串中的所有字母是否都是小写
isupper()	判断字符串中的所有字母是否都是大写
isspace()	检查所有字符是否为空格
isdigit()	检查所有字符是否为0-9中的数字
isalpha()	检查所有字符是否为a-z，A-Z中的字母字符

符号b表示二进制数组：

Array1 = b”hello”   #二进制数组
Array2 = ”hello”   #字符串数组
>>>Array1[0]
104
>>>Array2[0]
‘h’
Array1.decode() #将二进制数组转化为字符串数组
Array2.encode() #将字符串数组转化为二进制数组

去除字符串周围的空格：

strip()	删除整个字符串前后的空格
istrip()	删除字符串左边（开始处）的空格
rstrip()	删除字符串右边（结束处）的空格

（不删除字符串内部的空格）

分割、连接字符串：

Split(delim=””)         #使用delim中的内容作为分隔符，来分割字符串
“”.join()               #使用””中的内容将()中的内容连接起来

查找字符索引：

“”.find(needle)      #查找needle在””字符串中第一次出现的索引值
“”.Count(needle)    #查找needle在””字符串中出现的次数

（区别字符串大小写）

第5单元选择合适的数据结构

列表	搜索时间是线性的，不适合存储大量的可搜索数据
元组	不可变的列表，搜索时间也是线性的
集合	不存在索引，适合成员查询和消除重复项
字典	构建一个从键到值得映射，适合键值的查找

字典说明：
1，通过（键，值）这样的元组列表创建字典
2，使用内置类构造函数enumerate（seq）创建字典（seq为值，键位对应的序号）
3，使用内置类构造函数zip（kseq,vseq）创建字典（kseq为键序列,vseq为值序列（两个序列的长度相同））

第6单元通过列表推导式理解列表

列表推导式是将数据集（不一定是列表）转换为列表的表达式。
（没什么只要知识点，本来也就没有多少内容，就没有总结了）

第7单元使用计数器

Collections()模块定义计数器
将计数的集合传递给构造函数counter，然后使用most_common()方法获取各项及其出现频率。

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

第8单元使用文件

With语句：显式的打开一个文件，在退出Python后能自动关闭文件

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

f.read()	以字符串或二进制形式读取文件所有数据
f.write()	以字符串或二进制形式向文件写入内容

第9单元上网

Urllib.parse模块提供解析和构建网址的工具
Urlparse()方法将网址分为六个元素的元组：协议、网络地址、文件系统路径、参数、查询和片段

第10单元使用正则表达式实现模式匹配

将一个需要使用多次的正则表达式编译成Pattern对象，使得模式匹配更高效

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

正则表达式说明

基本操作：

·	除换行符外的任意字符
a	字母a
a\|b	a或b

字符类:

[a-d]	a,b,c,d中任一字符
[^a-d]	除a,b,c,d中任意字符
\d	一个数字字符
\D	一个非数字字符
\s	一个空白字符
\S	一个非空白字符
\w	一个字母数字字符
\W	一个非字母数字字符

数量相关：

X*	0个或多个X
X+	1个或多个X
X?	0或1个X
X{2}	2个且仅2个X
X{2,5}	2-5个X

转移字符：

\n	换行符
\r	回车符
\t	Tab

界定符号：

^	字符起始处
\b	单词边界
\B	非单词边界
$	字符结束处

Re模块

re.split(pattern,string,maxsplit=0,flags=0)    #通过Pattern（正则表达式）将字符串分为maxsplit个字符串，并返回子字符串列表
re.match(pattern,string,flags=0)               #检查字符串开头是否与Pattern相匹配
re.search(pattern,string,flags=0)              #检查整个字符串是否存在Pattern部分
re.findall(pattern,string,flags=0)                 #查找与Pattern相匹配的所有子字符串
re.sub(pattern,repl,string,flags=0)                #用repl替换字符串的所有非重叠匹配部分

第11单元 globbing文件名

Globbing是匹配特定文件名和通配符的过程，是正则表达式的简化版。
（通配符可以包含特殊字符’*’,”?”。+·不是特殊字符）

第12单元 Picking数据

Pickle模块用于实现序列化——将任意的Python数据结构保存到一个文件中，并将其作为Python表达式读回。

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