py 书写是以对其为标准，去除掉了{}的范式 下表是是0开始的，选择的区间是左闭右开 [)
关于实例中第一行代码#!/usr/bin/python3 的理解：
然后修改脚本权限，使其有执行权限，命令如下：$ chmod +x hello.py
分成两种情况：
（1）如果调用python脚本时，使用:
$ python script.py
#!/usr/bin/python 被忽略，等同于注释。
#!/usr/bin/env python3 这种用法先在 env（环境变量）设置里查找 python 的安装路径，再调用对应路径下的解释器程序完成操作。
（2）如果调用python脚本时，使用:
./script.py
#!/usr/bin/python 指定解释器的路径。
>>> helloworld
再解释一下第一行代码#!/usr/bin/python3
这句话仅仅在linux或unix系统下有作用，在windows下无论在代码里加什么都无法直接运行一个文件名后缀为.py的脚本，因为在windows下文件名对文件的打开方式起了决定性作用。
如果代码有中文，最好开头需要添加这句：
Python 通常是一行写完一条语句，但如果语句很长，我们可以使用反斜杠()来实现多行语句，例如：
total = item_one + \
item_two + \
item_three
在 [], {}, 或 () 中的多行语句，不需要使用反斜杠()，例如：
total = ['item_one', 'item_two', 'item_three',
'item_four', 'item_five']
同一行显示多条语句
#!/usr/bin/python3
import sys; x = 'runoob'; sys.stdout.write(x + '\n')
注意： 1、Python可以同时为多个变量赋值，如a, b = 1, 2。 2、一个变量可以通过赋值指向不同类型的对象。 3、数值的除法（/）总是返回一个浮点数，要获取整数使用//操作符。 4、在混合计算时，Python会把整型转换成为浮点数。
Python3 中有六个标准的数据类型：
- Number（数字） Python3 支持 int、float、bool、complex（复数）。
- String（字符串）
- List（列表）
- Tuple（元组）
- Sets（集合）
- Dictionary（字典）
Python3 支持 int、float、bool、complex（复数）。
在Python 3里，只有一种整数类型 int，表示为长整型，没有 python2 中的 Long。
像大多数语言一样，数值类型的赋值和计算都是很直观的。
内置的 type() 函数可以用来查询变量所指的对象类型。
counter = 100 # 整型变量
miles = 1000.0 # 浮点型变量
name = "runoob" # 字符串
print (counter)
print (miles)
print (name)
>>>5 + 4 # 加法
9
>>> 4.3 - 2 # 减法
2.3
>>> 3 * 7 # 乘法
21
>>> 2 / 4 # 除法，得到一个浮点数
0.5
>>> 2 // 4 # 除法，得到一个整数
0
>>> 17 % 3 # 取余
2
>>> 2 ** 5 # 乘方
32
>>>a = 111
>>> isinstance(a, int)
True
# 删除py内存数据
del var
del var_a, var_b
区别就是: type()不会认为子类是一种父类类型。 isinstance()会认为子类是一种父类类型。 注意：在 Python2 中是没有布尔型的，它用数字 0 表示 False，用 1 表示 True。到 Python3 中，把 True 和 False 定义成关键字了，但它们的值还是 1 和 0，它们可以和数字相加。
Python中的字符串用单引号(')或双引号(")括起来，同时使用反斜杠()转义特殊字符。 字符串的截取的语法格式如下： 索引值以 0 为开始值，-1 为从末尾的开始位置。 加号 (+) 是字符串的连接符， 星号 (*) 表示复制当前字符串，紧跟的数字为复制的次数。实例如下：
>>>word = 'Python'
>>> print(word[0], word[5])
P n
>>> print(word[-1], word[-6])
n P
与 C 字符串不同的是，Python 字符串不能被改变。向一个索引位置赋值，比如word[0] = 'm'会导致错误。 注意：
- 1、反斜杠可以用来转义，使用r可以让反斜杠不发生转义。
- 2、字符串可以用+运算符连接在一起，用*运算符重复。
- 3、Python中的字符串有两种索引方式，从左往右以0开始，从右往左以-1开始。
- 4、Python中的字符串不能改变。
List（列表） 是 Python 中使用最频繁的数据类型。
列表可以完成大多数集合类的数据结构实现。列表中元素的类型可以不相同，它支持数字，字符串甚至可以包含列表（所谓嵌套）。
列表是写在方括号([])之间、用逗号分隔开的元素列表。
和字符串一样，列表同样可以被索引和截取，列表被截取后返回一个包含所需元素的新列表。
列表截取的语法格式如下：
#!/usr/bin/python3
list = [ 'abcd', 786 , 2.23, 'runoob', 70.2 ]
tinylist = [123, 'runoob']
print (list) # 输出完整列表
print (list[0]) # 输出列表第一个元素
print (list[1:3]) # 从第二个开始输出到第三个元素
print (list[2:]) # 输出从第三个元素开始的所有元素
print (tinylist * 2) # 输出两次列表
print (list + tinylist) # 连接列表
元组（tuple）与列表类似，不同之处在于元组的元素不能修改。元组写在小括号(())里，元素之间用逗号隔开。
元组中的元素类型也可以不相同：
#!/usr/bin/python3
tuple = ( 'abcd', 786 , 2.23, 'runoob', 70.2 )
tinytuple = (123, 'runoob')
print (tuple) # 输出完整元组
print (tuple[0]) # 输出元组的第一个元素
print (tuple[1:3]) # 输出从第二个元素开始到第三个元素
print (tuple[2:]) # 输出从第三个元素开始的所有元素
print (tinytuple * 2) # 输出两次元组
print (tuple + tinytuple) # 连接元组
>>>tup = (1, 2, 3, 4, 5, 6)
>>> print(tup[0])
1
>>> print(tup[1:5])
(2, 3, 4, 5)
>>> tup[0] = 11 # 修改元组元素的操作是非法的
集合（set）是一个无序不重复元素的序列。 基本功能是进行成员关系测试和删除重复元素。 可以使用大括号 { } 或者 set() 函数创建集合，注意：创建一个空集合必须用 set() 而不是 { }，因为 { } 是用来创建一个空字典。 创建格式：
parame = {value01,value02,...}
或者
set(value)
#!/usr/bin/python3
student = {'Tom', 'Jim', 'Mary', 'Tom', 'Jack', 'Rose'}
print(student) # 输出集合，重复的元素被自动去掉
# 成员测试
if('Rose' in student) :
print('Rose 在集合中')
else :
print('Rose 不在集合中')
# set可以进行集合运算
a = set('abracadabra')
b = set('alacazam')
print(a)
print(a - b) # a和b的差集
print(a | b) # a和b的并集
print(a & b) # a和b的交集
print(a ^ b) # a和b中不同时存在的元素
字典（dictionary）是Python中另一个非常有用的内置数据类型。
列表是有序的对象结合，字典是无序的对象集合。两者之间的区别在于：字典当中的元素是通过键来存取的，而不是通过偏移存取。
字典是一种映射类型，字典用"{ }"标识，它是一个无序的键(key) : 值(value)对集合。
键(key)必须使用不可变类型。
在同一个字典中，键(key)必须是唯一的。
#!/usr/bin/python3
dict = {}
dict['one'] = "1 - 菜鸟教程"
dict[2] = "2 - 菜鸟工具"
tinydict = {'name': 'runoob','code':1, 'site': 'www.runoob.com'}
print (dict['one']) # 输出键为 'one' 的值
print (dict[2]) # 输出键为 2 的值
print (tinydict) # 输出完整的字典
print (tinydict.keys()) # 输出所有键
print (tinydict.values()) # 输出所有值
另外，字典类型也有一些内置的函数，例如clear()、keys()、values()等。
注意：
1、字典是一种映射类型，它的元素是键值对。 2、字典的关键字必须为不可变类型，且不能重复。 3、创建空字典使用 { }。
| 函数 | 描述 |
|---|---|
| int(x [,base]) | 将x转换为一个整数 |
| float(x) | 将x转换到一个浮点数 |
| complex(real [,imag]) | 创建一个复数 |
| str(x) | 将对象 x 转换为字符串 |
| repr(x) | 将对象 x 转换为表达式字符串 |
| eval(str) | 用来计算在字符串中的有效Python表达式,并返回一个对象 |
| tuple(s) | 将序列 s 转换为一个元组 |
| list(s) | 将序列 s 转换为一个列表 |
| set(s) | 转换为可变集合 |
| dict(d) | 创建一个字典。d 必须是一个序列 (key,value)元组。 |
| frozenset(s) | 转换为不可变集合 |
| chr(x) | 将一个整数转换为一个字符 |
| ord(x) | 将一个字符转换为它的整数值 |
| hex(x) | 将一个整数转换为一个十六进制字符串 |
| oct(x) | 将一个整数转换为一个八进制字符串 |
- 算术运算符
- 比较（关系）运算符
- 赋值运算符
- 逻辑运算符
- 位运算符
- 成员运算符
- 身份运算符
- 运算符优先级
| 运算符 | 描述 | 实例 |
|---|---|---|
| = | 简单的赋值运算符 | c = a + b 将 a + b 的运算结果赋值为 c |
| += | 加法赋值运算符 | c += a 等效于 c = c + a |
| -= | 减法赋值运算符 | c -= a 等效于 c = c - a |
| *= | 乘法赋值运算符 | c *= a 等效于 c = c * a |
| /= | 除法赋值运算符 | c /= a 等效于 c = c / a |
| %= | 取模赋值运算符 | c %= a 等效于 c = c % a |
| **= | 幂赋值运算符 | c **= a 等效于 c = c ** a |
| //= | 取整除赋值运算符 | c //= a 等效于 c = c // a |
| 运算符 | 逻辑表达式 | 描述 实例 |
|---|---|---|
| and | x and y | 布尔"与" - 如果 x 为 False，x and y 返回 False，否则它返回 y 的计算值。 (a and b) 返回 20。 |
| or | x or y | 布尔"或" - 如果 x 是 True，它返回 x 的值，否则它返回 y 的计算值。 (a or b) 返回 10。 |
| not | not x | 布尔"非" - 如果 x 为 True，返回 False 。如果 x 为 False，它返回 True。 not(a and b) 返回 False |
| 运算符 | 描述 | 实例 |
|---|---|---|
| in | 如果在指定的序列中找到值返回 True，否则返回 False。 | x 在 y 序列中 , 如果 x 在 y 序列中返回 True。 |
| not in | 如果在指定的序列中没有找到值返回 True，否则返回 False。 | x 不在 y 序列中 , 如果 x 不在 y 序列中返回 True。 |
iris data example operation 和流行的Python库（如NumPy（线性代数），SciPy（信号和图像处理）或matplotlib（交互式2D / 3D绘图））支持的数值计算环境
# -*- coding: utf-8 -*-
import os
os.getcwd() #获取当前工作空间
os.chdir("D:\\Workspace\\python") #设置目标工作空间
# 常用的数据处理的包：
from pandas import Series,DataFrame
import pandas as pd
import numpy as np
import csv
iris=pd.read_csv('iris.csv') #读取本地csv文件
iris = iris.iloc[:,1:6] #这里的1:6相当于[1,6）前闭后开,iris本身列是0：5
iris.iloc[:,：] #相当于iris 本身
iris.head()
iris.tail()
iris.head(10)
iris.iloc[:,1].mean()
iris.iloc[:,1].sum()
iris.iloc[:,1].var()
iris.iloc[:,1].median()
iris.iloc[:,1].max()
iris.iloc[:,1].min()
iris.iloc[:,1].value_counts()
iris.iloc[:,1].quantile(0.95) #pandas 95分位数
iris_na=iris.replace(1,np.nan).loc[20:25,:] #replace函数是替换，就是把1替换成nan：
iris_na.dropna(0) #去除这一行 0 默认 可以不写0
iris_na.dropna(1) #去除这一列 1
pandas的iloc和loc以及icol使用（列切片及行切片）
http://www.runoob.com/python3/python3-data-type.html
- os.getcwd()函数得到当前工作目录，即当前python脚本工作的目录路径。
- os.getenv()获取一个环境变量，如果没有返回none
- os.putenv(key, value)设置一个环境变量值
- os.listdir(path)返回指定目录下的所有文件和目录名。
- os.remove(path)函数用来删除一个文件。
- os.system(command)函数用来运行shell命令。
- os.linesep字符串给出当前平台使用的行终止符。例如，windows使用'\r\n'，linux使用'\n'而mac使用'\r'。
- os.path.split(p)函数返回一个路径的目录名和文件名。
- os.path.isfile()和os.path.isdir()函数分别检验给出的路径是一个文件还是目录。
- os.path.existe()函数用来检验给出的路径是否真地存在
- os.curdir:返回当前目录（'.')
- os.chdir(dirname):改变工作目录到dirname
- os.path.getsize(name):获得文件大小，如果name是目录返回0l
- os.path.abspath(name):获得绝对路径
- os.path.normpath(path):规范path字符串形式
- os.path.splitext():分离文件名与扩展名
- os.path.join(path,name):连接目录与文件名或目录
- os.path.basename(path):返回文件名
- os.path.dirname(path):返回文件路径
- 查看一列的一些基本统计信息：
data.columnname.describe() - 选择一列：
data['columnname'] - 选择一列的前几行数据：
data['columnsname'][:n] - 选择多列：
data[['column1','column2']] - Where 条件过滤：
data[data['columnname'] > condition]
data.country= data.country.fillna('') #将NA替换成空 data.duration = data.duration.fillna(data.duration.mean()) #将NA替换成均值
删除任何包含 NA 值的行是很容的： data.dropna() 删除一整行的值都为 NA： data.dropna(how='all') 行数据中至少要有 5 个非空值 data.drop(thresh=5) 删除列名 data.dropna(subset=['title_year']) 如果是多个列，可以使用列名的 list 作为参数。 默认是axis=0 行 axis=1 列 删除一正列为 NA 的列：data.drop(axis=1, how='all') 删除任何包含空值的列：data.drop(axis=1. how='any')
data = pd.read_csv('../data/moive_metadata.csv', dtype={'duration': int}) 指定列的数据类型 duration为int data = pd.read_csv('./data/moive_metadata.csv', dtype={'title_year':str}) 指定列的数据类型 title_year为str data['movie_title'].str.upper() 改为大写 data['movie_title'].str.strip() 去掉空格
Pandas： append() #行合并 R dplyr::bind_cols() cbind
result = df1.append(df2);print(result)
result = result.append(df3);print(result)
Pandas： cancat() #列合并 R dplyr::bind_rows() rbind
result = pd.concat([df1, df2, df3]);print(result)
Pandas： merge #联合 R merge
iris.shape # R dim()
df.dtypes # R class() typeof()
mydata.model #在R语言中应该写mydata$model
mydata["model"] #在R语言中应该写mydata[,"model"]或者mydata["model"]
mydata[["model","manufacturer"]] #多列提取
mydata[::2] #默认隔几个单位取一次值
iris[["Sepal.Length","Sepal.Width"]][1:10]
mydata.loc[3] #按索引提取单行的数值
mydata.loc[0:5] #按索引提取区域行数值
mydata.loc[1:10,["model","manufacturer"]] #行列同时索引
mydata.iloc[[0,2]] 等价于mydata.iloc[[0,2],:]
mydata.iloc[1:] 等价于mydata.iloc[1:,:]
mydata.iloc[1,[0,1]]
mydata.iloc[:3,:2]
mydata.iloc[[0,2,5],[4,5]]
iris.ix[:10,:-2] #python示意list形式传入,而R是vector传入
iris.ix[:10,['Sepal.Length','Petal.Width']]
iris.ix[:10,'Sepal.Length':'Species']
iris.ix[:10,[0,-1]]
dt.query('sl >5 & pw >2') #在py中列名最好不要带. 这样的特殊字符，否则会报错，以下以索引的方式不会报错
#where
iris[(iris['Sepal.Length']>4.9) & (iris['Petal.Width'] < 2)] #同时满足
iris[(iris['Sepal.Length']>4.9) | (iris['Petal.Width'] < 0.2)] #满足其一
iris[(iris['Sepal.Length']>4.9) | (iris['Petal.Width'] < 0.2)][['Species']] #满足其一，指定列
############################ panda example ########################################
from pandas import Series, DataFrame
import pandas as pd
arr=[1,2,3,4]
series_1 = Series(arr)
series_2=Series([1,2,3,4])
series_3=Series([1,2,'3',4,'a'])
series_4 =Series([1,2,3])
series_4.index=['a','b','c'] #创建索引
temp =Series([5])
type(temp)
series_4.append(temp) #增 Series的add()方法是加法计算不是增加Series元素用的。
series_4.add(temp) #对应索引位置的相加
series_4.drop('a') # 删
series_4['a']=4 #改
series_4['a'] #查