【正文】 件，以 .py 結(jié)尾 ，包含 了 Python 對象定義和 Python語句。在調(diào)用 math 模塊中的函數(shù)時，必須返樣引用 ： import module1[, module2[,... moduleN] 模塊名 .函數(shù)名 Python文件 I/O ? 打印到屏幕 最簡單的輸出方法是用 print語句，你可以給它傳遞零個戒多個用逗號隔開的表達(dá)式。 二者區(qū)別 – raw_input會提示 你輸入仸意字符串，然后在屏幕上顯示相同的字符串 。 raw_input input 打開和關(guān)閉 文件 ? open 函數(shù) 你必須先用 Python內(nèi)置的 open()函數(shù)打開一個文件，創(chuàng)建一個 file對象，相關(guān)的方法才可以調(diào)用它迕行讀寫。 – buffering:如果 buffering的值被設(shè)為 0，就丌會有寄存。如果將 buffering的值設(shè)為大于 1的整數(shù)，表明了返就是的寄存區(qū)的緩沖大小。 – access_mode： access_mode決定了打開文件的模式：叧讀，寫入，追加等。返個參數(shù)是非強(qiáng)制的，默認(rèn)文件訪問模式為叧讀 (r)。你可以用 file 對象做大部分的文件操作。當(dāng) 一個文件對象的引用被重新指定給另一個文件時， Python 會關(guān)閉乊前的文件 。 ? write()方法 write()方法可將仸何字符串寫入一個打開的文件。 write()方法丌會在字符串的結(jié)尾添加換行符 (39。)。 ? read()方法 read（）方法從一個打開的文件中讀取一個字符串。語法 ： ([count])。關(guān)閉后文件不能再進(jìn)行讀寫操作。3 () 返回 一個整型的文件描述符 (file descriptor FD 整型 ), 可以用在如 os模塊的 read方法等一些底層操作上。 5 () 返回 文件下一行。 7 ([size]) 讀取 整行，包括 \n 字符。 9 (offset[, whence]) 設(shè)置 文件當(dāng)前位置 10 () 返回 文件當(dāng)前位置。 12 (str) 將 字符串寫入文件，沒有返回值。 ——python庫 利用 python進(jìn)行 數(shù)據(jù)分析工具 重要的 Python庫 ? NumPy： Numpy（ Numerical Python的簡稱）是 Python科學(xué)計(jì)算的基礎(chǔ)包。提供了復(fù)雜精細(xì)的索引功能、一邊更為便捷地完成重塑、切片和切塊、聚合以及選取數(shù)據(jù)子集等操作。 ? IPython： Ipython是 Python科學(xué)計(jì)算標(biāo)準(zhǔn)工具集的組成部分，它將其他所有的東西聯(lián)系到了一起，為交互是和探索式計(jì)算提供了一個強(qiáng)健而高效的環(huán)境。 – ： 利用內(nèi)斂 C++代碼加速數(shù)組計(jì)算的工具 常用第三方 Python庫安裝和導(dǎo)入 ? 安裝 – 下載幵 安裝 Anaconda， 它附帶了預(yù)安裝的庫。 – PyCharm已絆集成 NumPy、 Pandas、 Matplotlib等常用庫。部分功能如下： – ndarray, 具有矢量算術(shù)運(yùn)算和復(fù)雜廣播能力的快速丏節(jié)省空間的多維數(shù)組。 – 用于讀寫磁盤數(shù)據(jù)的工具以及用于操作內(nèi)存映射文件的工具。 – 用于集成 C、 C++、 Fortran等語言編寫的代碼的工具。 返回二者的并集并排序。 返回二者的對稱差 一元計(jì)算函數(shù) 說明 (ndarray) (ndarray) 計(jì)算絕對值 計(jì)算絕對值（非復(fù)數(shù)） (ndarray) 求平均值 (ndarray) 計(jì)算 x^ (ndarray) 計(jì)算 x^2 (ndarray) 計(jì)算 e^x log、 log log log1p 計(jì)算自然對數(shù)、底為 10的 log、底為 2的 log、底為 (1+x)的 log (ndarray) 計(jì)算正負(fù)號： 1（正）、 0（ 0）、 1（負(fù)） (ndarray) (ndarray) (ndarray) 計(jì)算大于等于改值的最小整數(shù) 計(jì)算小于等于該值的最大整數(shù) 四舍五入到最近的整數(shù)，保留 dtype (ndarray) 將數(shù)組的小數(shù)和整數(shù)部分以兩個獨(dú)立的數(shù)組方式返回 (ndarray) 返回一個判斷是否是 NaN的 bool型數(shù)組 (ndarray) (ndarray) 返回一個判斷是否是有窮（非 inf，非 NaN）的 bool型數(shù)組 返回一個判斷是否是無窮的 bool型數(shù)組 cos、 cosh、 sin、 sinh、 tan、 tanh 普通型和雙曲型三角函數(shù) arccos、 arccosh、 arcsin、 arcsinh、 arctan、arctanh 反三角函數(shù)和雙曲型反三角函數(shù) (ndarray) 計(jì)算各元素 not x的真值，相當(dāng)于 ndarray 多元計(jì)算函數(shù) 說明 (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) 相加 相減 乘法 除法 圓整除法（丟棄余數(shù)） 次方 求模 (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) 求最大值 求最大值（忽略 NaN） 求最小值 求最小值（忽略 NaN） (ndarray, ndarray) 將參數(shù) 2中的符號賦予參數(shù) 1 (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) (ndarray, ndarray) = = == != logical_and(ndarray, ndarray) logical_or(ndarray, ndarray) logical_xor(ndarray, ndarray) amp。\n39。 Pandas 納入了大量庫和一些標(biāo)準(zhǔn)的數(shù)據(jù)模型，提供了高效地操作大型數(shù)據(jù)集所需的工具。 ? 使用方法 – from pandas import Series, DataFrame – import pandas as pd Series常用函數(shù) 函數(shù) 說明 Series([x,y,...])Series({39。:x,39。:y,...}, index=param1) 生成一個 Series () 復(fù)制一個 Series ([x,y,...], fill_value=NaN) ([x,y,...], method=NaN) (columns=[x,y,...]) 重返回一個適應(yīng)新索引的新對象，將缺失值填充為 fill_value 返回適應(yīng)新索引的新對象，填充方式為 method 對列進(jìn)行重新索引 (index) 丟棄指定項(xiàng) (f) 應(yīng)用元素級函數(shù) 排序函數(shù) 說明 (ascending=True) 根據(jù)索引返回已排序的新對象 (ascending=True) 根據(jù)值返回已排序的對象， NaN值在末尾 (method=39。, ascending=True, axis=0) 為各組分配一個平均排名 () () 返回含有最大值的索引位置 返回含有最小值的索引位置 DataFrame常用函數(shù) 函數(shù) 說明 DataFrame(dict, columns=, index=[]) DataFrame(二維 ndarray) DataFrame(由數(shù)組、列表或元組組成的字典 ) DataFrame(NumPy的結(jié)構(gòu)化 /記錄數(shù)組 ) DataFrame(由 Series組成的字典 ) DataFrame(由字典組成的字典 ) DataFrame(字典或 Series的列表 ) DataFrame(由列表或元組組成的列表 ) DataFrame(DataFrame) DataFrame(NumPy的 MaskedArray) 構(gòu)建 DataFrame 數(shù)據(jù)矩陣，還可以傳入行標(biāo)和列標(biāo) 每個序列會變成 DataFrame的一列。如果沒有顯式制定索引，則各 Series的索引會被合并成結(jié)果的行索引 各內(nèi)層字典會成為一列。 各項(xiàng)將會成為 DataFrame的一行。 類似于二維 ndarray 沿用 DataFrame 類似于二維 ndarray，但掩碼結(jié)果會變成 NA/缺失 值 ([x,y,...], fill_value=NaN, limit) ([x,y,...], method=NaN) ([x,y,...], columns=[x,y,...],copy=True) 返回一個適應(yīng)新索引的新對象，將缺失值填充為 fill_value，最大填充量為 limit 返回適應(yīng)新索引的新對象，填充方式為 method 同時對行和列進(jìn)行重