切片slice操作

[起始偏移量 start:终止偏移量 end[:步长 step]]

⚠️ end-1（索引）

⚠️如果只有如：[1:3]、[-5:-3]，则包头不包尾

⚠️使用负数，反着数

列表的遍历

for obj in listObj:

print(obj)

列表元素访问和计数

1、索引访问

索引区间[0,列表长度-1]，超范围会报异常

2、index() 元素在列表中（首次）出现的索引

index(value,[start,[end]])

>>> a = [10,20,30,40,50,20,30,20,30]
>>> a.index(20)

1
>>> a.index(20,3) #从索引位置 3 开始往后搜索的第一个 20

5
>>> a.index(30,5,7)

6

3、count() 计数

4、len() 长度=元素个数

5、成员资格判断

in

count() 返回0就不在

列表元素的删除

1、del() 本质是数组拷贝

被删元素后面的依次向前拷贝

2、pop() 方法

删除并返回指定位置元素

3、remove() 方法

删除首次出现的指定元素，若不存在报异常

列表的增加与删除

1、append() 尾部加，推荐

2、+运算，拼接，会产生新列表对象，id变

3、extend() 原地扩展，id不变

4、insert() 插入元素之一，涉及数组移动

5、乘法扩展

列表的创建  

可存储任何数据，索引下表获取值

range()创建整数列表

range([start,] end [,step])

start参数：可选，起始

end参数：必选，结尾

step参数：可选，步长

循环创建多个元素

a = [ x*2  for  x  in  range(5)]

>>>a

[0,2,4,6,8]

if过滤元素

a = [ x*2  for  x  in  range(100) if x%9==0]

>>>a

[0,18,36,54,72,.......,198]

python的序列

数据存储方法：字符串、列表、元组、字典、集合

存地址、轻量级

列表大小可变

Python基础课

一、可变字符串

字符串定义以后是不可变的，不能原地修改吗，

思考：对于一组电影数据，如果要对这些数据进行分类，应该如何操作？

首先，先构一个二维数组，行数等于gener_list的数据量，即取出来genre这一列的数据，通过逗号进行分割，即将每一行数据分割出来一二维数据的形式返回列表中

df["Genre"].str.split(",").tolist()

然后将这个list里面的数据都转换为一维数组且去重

再构建一个新的二维数组，最初的值都为零，行是genre 的数据量，列表是一维数组的数据量，分类最为列索引

分解问题

确认坐标系0点

按照思路敲代码

"报错的文字里总有认识的单词”

搜索“CMD"
输入“python”

字符串的方法

pandas里面计算mean（）时，可以直接跳过nan，来返回其他值得平均数

#显示所有列
pd.set_option('display.max_columns', None)
#显示所有行
pd.set_option('display.max_rows', None)

pandas的索引

DataFrame的基本属性

为什么要学习pandas？

numpy处理数值型数据；pandas用来处理字符串和时间序列等

pandas的常用数据类型

（1）series——一维、带标签的数组

（2）DataFrame——二维数组

生成随机数的方法

ndarray缺失值填充均值

numpy 中的nan 和 inf

nan：not a number表示不是一个数字

当我们读取本地的文件为float时，如果有缺失，就会出现nan，当做了一个不合适的计算的时候也会出现nan（比如无穷大inf减去无穷大）

特殊属性：（1）两个nan是不相等的；（2）np.nan != np.nan;（3）利用以上特性，判断数组中nan的个数；（4）通过np.isnan（t）来判断nan有几个；（5）nan跟任何一个数进行计算都是nan

在一组数据中单纯将nan替换为0并不合适，很多时候会把缺失值替换成均值（中值）或者直接删除有缺失值的一行。

求和：t.sum(axis=None)

均值：t.mean(axis=None)  受离群点的影响较大

中值：np.median(t,axis=None)

最大值：t.max(axis=None)

最小值：t.min(axis=None)

极值：np.ptp(t,axis=None) 即最大值和最小值只差

标准差：t.std(axis=None)

inf：表示真无穷；-inf表示负无穷

什么时候出现inf或-inf？比如一个数字除以0

numpy中数值的修改

numpy中布尔索引

numpy中三元运算符

numpy中的clip（裁剪）