简介

如何在/target=_blankclass=infotextkey>Python中操作数据类型。

数据类型是任何编程言语的基石，Python也不例外。经过有效地理解和经常使用数据类型，可以编写出更高效、可读性更强和更易于保养的代码。

以下是在Python中经常使用数据类型的10个技巧。

1、经常使用类型提示指定变量或函数参数的预期数据类型。

这将协助开发者及早发现失误，并使代码更具可读性。例如，可以经常使用以下类型提示来指定变量的数据类型。

name:str="Alice"

2、经常使用类型转换将一种数据类型转换为另一种。

当须要将一种类型的变量传递给希冀另一种类型变量的函数时，这十分有用。例如，以下代码将整数变量转换为字符串，而后将其传递给函数函数。

age:int=25#在打印之前将`age`转换为字符串。print(str(age))

3、经常使用字符串插值法对带有变量的字符串启动格局化。

这关于创立灵活字符串（如失误消息或用户提示）十分有用。例如，以下代码经常使用字符串插值法为用户创立了共性化的问候语：

name:str="Alice"#为用户创立共性化的问候语。greeting=f"Hello,{name}!"#打印问候语。print(greeting)

4、经常使用运算符审核一个值能否蕴含在列表、元组或汇合中。

这关于编写口头义务（如在列表中搜查值或审核一个值能否是汇合的有效成员）的函数十分有用。例如，以下代码经常使用运算符审核值能否蕴含在列表中。

numbers:list[int]=[1,2,3,4,5]#审核值10能否蕴含在列表numbers中。if10innumbers:print("Thevalue10iscontnedinthelistnumbers.")else:print("Thevalue10isnotcontainedinthelistnumbers.")

5、经常使用 isinstance() 函数审核变量能否是特定类的实例。

这关于编写口头义务（如验证用户输入或将变量转换为特定类型）的函数十分有用。例如，以下代码经常使用 isinstance() 函数审核变量能否是类的实例。

name:str="Alice"#审核变量name能否是str类的实例。ifisinstance(name,str):print("Thevariablenameisaninstanceofthestrclass.")else:print("Thevariablenameisnotaninstanceofthestrclass.")

6、经常使用 collections 模块创立和操作特定的数据结构。

collections 模块提供了各种数据结构，如双端队列、有序字典和命名元组。这些数据结构可以用于处置特定疑问或提高代码的性能。例如，以下代码经常使用类创立了一个双端队列。

fromcollectionsimportdeque#创立一个双端队列。queue:deque[int]=deque([1,2,3,4,5])#在队列前面减少一个元素。queue.endleft(0)#从队列前删除一个元素。element=queue.popleft()#打印从队列中移除的元素。print(element)

7、经常使用模块创立和经常使用类型别名。

类型别名准许创立自定义的数据类型。这关于提高代码的可读性和可保养性十分有用。例如，以下代码为整数列表创立了一个类型别名。

fromtypingimportList#创立一个整数列表的类型别名。IntegerList:List[int]=[1,2,3,4,5]

8、经常使用布尔值存储真/假值。

在Python中，布尔值用于存储真/假值。可以经常使用和关键字创立布尔值。

#创立一个布尔值my_boolean=True#打印布尔值print(my_boolean)#对布尔值启动逻辑运算and_result=my_booleanandTrueor_result=my_booleanorFalsenot_result=notmy_boolean#打印结果print(and_result,or_result,not_result)

9、经常使用元组存储无法变的数据序列。

元组与列表相似，但它们是无法变的。这象征着一旦创立了一个元组，其内容就无法更改。

#创立一个元组my_tuple=("Thisisastring",10,3.14,True)#打印元组print(my_tuple)#尝试更改元组中的元素my_tuple[0]="Anotherstring"#这将造成失误，由于元组是无法变的

10、经常使用字典存储键值对的数据。

字典用于在Python中存储键值对的数据。键可以是任何类型的数据，值也可以是任何类型的数据。

#创立一个字典my_dictionary={"name":"JohnDoe","age":30,"occupation":"SoftwareEngineer"}#打印字典print(my_dictionary)#访问与键关系联的值

【技术贴】python数据类型之列表

列表是由一系列按特定顺序排列的元素组成的。 在Python中，用[]来表示列表，并用逗号来分隔其中的元素。 我们可以创建包含字母，数字或者任何东西的列表。 其中列表中的元素之间可以没有任何的关系。 由于列表通常包含多个元素，再给创建的列表命名时，一般使用复数的名称，如names. names = [kitty,anne,jerry] print(names) 输出的结果为方括号[] 引号 元素 [kitty, anne, jerry] 注意：列表的偏移量是从0开始的，而不是我们习惯的 1 开始 teacher=[七七,卡西,延君] teacher[0]=七七 teacher[1]=卡西 teacher[2]=延君 口诀：“左右空，取到头；左要取，右不取” teacher=[七七,卡西,延君] teacher[：2]=[七七,卡西] 格式：列表(元素名) teacher=[七七,卡西,延君] (琦玉) # 结果为 teacher=[七七,卡西,延君，琦玉] ([元素1，元素2])：在list列表末端增加多个元素；(元素序号，元素)：在list列表任意位置增加一个元素 teacher=[七七,卡西,延君,琦玉] del teacher[3] # 结果为 teacher=[七七,卡西,延君] >>> str=[0,1,2,3,4,5,6] >>> delstr[2:4] #删除从第2个元素开始，到第4个为止的元素(但是不包括尾部元素) >>> str [0, 1, 4, 5, 6] >>> str=[0,1,2,3,4,5,6] >>> delstr >>> str #删除后，找不到对象 Traceback (most recent call last):File <pyshell#27>, line 1, in <module>strNameError: name str is not defined 注意：del是删除引用(变量)而不是删除对象(数据)，对象由自动废品回收机制（GC）删除。 1，a = (元素)：计算它的参数在列表中出现的次数，并将次数返回；2，a = (元素)：返回它的参数在列表中的位置，返回元素序号；#若有多个元素相同，此为只返回首端起第一个。 3，a = (元素， 序号1，序号2)：在序号1和序号2范围内，返回列表中元素位置。 #若有多个元素相同，此为只返回首端起第一个。 4，() == list[::-1]：将整个列表内元素反过来排列：[1, 2, 3, 4]() == [4, 3, 2, 1]；5，()：将所有元素，从小到大排列；方法 sorted返回一个有序的副本，并且类型总是列表，如下：

可以让你快速用Python进行数据分析的10个小技巧

一些小提示和小技巧可能是非常有用的，特别是在编程领域。有时候使用一点点黑客技术，既可以节省时间，还可能挽救“生命”。

一个小小的快捷方式或附加组件有时真是天赐之物，并且可以成为真正的生产力助推器。所以，这里有一些小提示和小技巧，有些可能是新的，但我相信在下一个数据分析项目中会让你非常方便。

Pandas中数据框数据的Profiling过程

Profiling（分析器）是一个帮助我们理解数据的过程，而Pandas Profiling是一个Python包，它可以简单快速地对Pandas 的数据框数据进行 探索 性数据分析。

Pandas中()和()函数可以实现EDA过程第一步。但是，它们只提供了对数据非常基本的概述，对于大型数据集没有太大帮助。 而Pandas中的Profiling功能简单通过一行代码就能显示大量信息，且在交互式HTML报告中也是如此。

对于给定的数据集，Pandas中的profiling包计算了以下统计信息：

由Pandas Profiling包计算出的统计信息包括直方图、众数、相关系数、分位数、描述统计量、其他信息——类型、单一变量值、缺失值等。

安装

用pip安装或者用conda安装

pip install pandas-profiling

conda install -c anaconda pandas-profiling

用法

下面代码是用很久以前的泰坦尼克数据集来展示多功能Python分析器的结果。

#importing the necessary packages

import pandas as pd

import pandas_profiling

df = _csv(titanic/)

pandas_(df)

一行代码就能实现在Jupyter Notebook中显示完整的数据分析报告，该报告非常详细，且包含了必要的图表信息。

还可以使用以下代码将报告导出到交互式HTML文件中。

profile = pandas_(df)

_file(outputfile=Titanic>

<b>Tip:</b> Use blue boxes (alert-info) for tips and notes.

If it’s a note, you don’t have to include the word “Note”.

黄色警示框：警告

<b>Example:</b> Yellow Boxes are generally used to include additional examples or mathematical formulas.

绿色警示框：成功

Use green box only when necessary like to display links to related content.

红色警示框：高危

It is good to avoid red boxes but can be used to alert users to not delete some important part of code etc.

打印单元格所有代码的输出结果

假如有一个Jupyter Notebook的单元格，其中包含以下代码行：

In [1]: 10+5

单元格的正常属性是只打印最后一个输出，而对于其他输出，我们需要添加print()函数。然而通过在notebook顶部添加以下代码段可以一次打印所有输出。

添加代码后所有的输出结果就会一个接一个地打印出来。

In [1]: 10+5

恢复原始设置：

_node_interactivity = last_expr

使用i选项运行python脚本

从命令行运行python脚本的典型方法是：python 。但是，如果在运行相同的脚本时添加-i，例如python -i ，就能提供更多优势。接下来看看结果如何。

首先，即使程序结束，python也不会退出解释器。因此，我们可以检查变量的值和程序中定义的函数的正确性。

其次，我们可以轻松地调用python调试器，因为我们仍然在解释器中：

这能定位异常发生的位置，然后我们可以处理异常代码。

自动评论代码

Ctrl / Cmd + /自动注释单元格中的选定行，再次命中组合将取消注释相同的代码行。

删除容易恢复难

你有没有意外删除过Jupyter notebook中的单元格？如果答案是肯定的，那么可以掌握这个撤消删除操作的快捷方式。

如果您删除了单元格的内容，可以通过按CTRL / CMD + Z轻松恢复它。

如果需要恢复整个已删除的单元格，请按ESC + Z或EDIT>撤消删除单元格。

结论

在本文中，我列出了使用Python和Jupyter notebook时收集的一些小提示。我相信它们会对你有用，能让你有所收获，从而实现轻松编码！