删除变量del

标识符：

1.区分大小写

2.第一个字符必须是字母、下划线。其后的字符是：字母、数字

下划线。

3.不能用关键字。比如：if、or、while等。

4.以双下划线开头和结尾的名称通常含有特殊含义，尽量避免这种写法。比如：_int_

变量位于：栈

对象位于：堆

python中，一切皆对象。每个对象由：标识（identity）、类型（type）、value（值）组成。

可理解为：停车场的号码，可停车类型，具体停的什么车

python程序构成

1.Python程序由模块组成。一个模块对应python源文件，一般后缀名是：.py 。

2.模块由语句组成。运行时按照模块中的语句顺序依次执行

3.语句是python的构造单元，用于创建对象，变量赋值、调用函数、控制语句

#注释 习惯进行注释

\ 行连接符

tab制表符就是4ge空格

交互模式：

Ctrl+Z关闭

quit()

直接关闭

python 特点:

1.可持续性强

2.简洁（python由C语言开发，但是不再有C语言中指针等复杂数据类型）

3.面对对象

4.免费和开源

5.可移植性和跨平台

6.丰富的库

7.可扩展性

程序基本格式

1.恰当空格，缩进问题

（1）逻辑行首空白用来决定逻辑行的缩进层次，从而用来决定语句的分组。

（2）语句从新行第一列开始。

（3）缩进风格统一：

①每个缩进层次使用 单个制表符或者四个空格（IDE会自动将制表符设置成4个空格）

②Python用缩进而不是{}表示程序块

2.Python 区分大小写

3.注释

（1）行注释

每行注释前加#

（2）三个连续单引号（'''）

python为解释性语言，可嵌入到C和C++语言中，也称为胶水语言

交互模式中端程序执行 ctrl + c  

    关闭交互窗口 Ctrl + z

 #apply返回每个测试样本所在叶子节点的索引

clf.apply(xtext)

#predict返回每个测试样本的分类、回归结果

clf.predict(xtest)

#决策树
# from sklearn import tree#导入需要的模块
# clf=tree.DecisionTreeClassifier()#实例化
# clf=clf.fit(x_train,y_train)#用训练集数据训练模型
# result=clf.score(x_test,y_test)#导入测试集，从接口中调用需要的信息进行打分

citerion:不纯度，不纯的越低，训练集拟合越好

机器学习

a=[]
a =[
    ["高小一",1830,"北京"],
    ["高小二",1831,"上海"],
    ["高小一",1832,"北京"]
]

for m in range(3):
    for n in range(4):
        print(a[m][n].end=='\t')
    print() #打印完一行，换行

#修改原列表，不修改新的列表排序
a.sort ##默认是升序
a.sort(reverse= true) ##降序排列

import random
random.shuffle(a) ##打乱排序

【10，20，30，40，50，60，70】【-5：-3】

##倒数第五和倒数第三，包头不包尾

结果：【30，40】

【10，20，30，40，50，60，70】【：：-1】

##反向提取

结果：【70，60，50，40，30，20，10】

#print列表的遍历

#account 计数
#len 列表长度

##index（）获得指定元素在列表中首次出现的索引

a = ["明天出去吗？","不，要去做核酸"]
a.remove('明天出去吗？')
a

#bin(c)#打印二进制数

bin（c&b）

bin（c^b）亦或，相同是0，不相同是1

左移相当于*2右移相当于/2

a==3

a<<3

#字符串拼接

“3”+“2”==“32”

【10，20，30】+【5，10，100】=【10 20 30 5 10 100】

#乘法

“sxt”*3 =sxtsxtsxt

【10，20，30】*2=【10，20，30，10，20，30】

io.StringIO 可变符号串

例如：

s = 'hello.sxt'

import io

sio = io.StringIO(s)

sio