isinstance和hasattr的用法
yaml文件与pyyaml用法讲解
deepin中安装和卸载python
python卸载
deepin系统会自带两个版本的python,分别为python2和python3,以deepin20.2.3为例,系统自带的python版本为python2.7.6和python3.7.3。有时我么们想把它们卸载然后安装自己喜欢版本,可参考以下方法。
首先,我们要确定不同版本python对应的应用程序名称,按ctrl+alt+T打开终端,输入python,会发现进入了python2.7.6,然后退出输入python3,进入了python3.7.3。
由此,我们开始卸载python:
1 | sudo apt-get remove python |
pathlib模块详解
在编程中处理文件的读写操作时免不了要和文件路径打交道,甚至有时候为了完成某些场景功能会变的有些繁琐,以前在Python中操作文件路径,我们更多的时候是使用os模块。
而到了Python3时代后,Python3的系统标准库pathlib模块的 Path 对路径的操作会更简单。甚至可以说pathlib已经可以完全替代os.path,它完全采用面向对象的编程方式,因为Python 文档给它的定义是 Object-oriented filesystem paths(面向对象的文件系统路径),其语义适用于不同的操作系统,它继承纯路径但也提供I/O化操作,在处理配置路径方面十分简单。
argparse模块讲解
argsparse是python的命令行解析的标准模块,内置于python,不需要安装。这个库可以让我们直接在命令行中就可以向程序中传入参数并让程序运行。
传入一个参数
我们先在桌面新建“arg学习”的文件夹,在该文件夹中新建demo.py文件,来看一个最简单的argsparse库的使用的例子。
1 | import argparse |
Falsk视图函数
我们来看一个 flask 视图函数示例:
1 | from flask import Flask, request |
注意:flask视图函数的返回值类型只能为:string, dict, tuple, Response instance, or WSGI callable。
我们用 requests 来向接口发起请求:
1 | import requests |
Requests的介绍与使用
selenium下载百度图片
数据分析--Pandas
Pandas简介
1、Python Data Analysis Library 或 Pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。
2、数据结构:
- Series: 一维数组,与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近,其区别是:List中的元素可以是不同的数据类型,而Array和Series中则只允许存储相同的数据类型,这样可以更有效的使用内存,提高运算效率。
- Time- Series: 以时间为索引的Series。
- DataFrame: 二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。以下的内容主要以DataFrame为主。
- Panel : 三维的数组,可以理解为DataFrame的容器。
Pandas 有两种自己独有的基本数据结构。读者应该注意的是,它固然有着两种数据结构,因为它依然是 Python 的一个库,所以,Python 中有的数据类型在这里依然适用,也同样还可以使用类自己定义数据类型。只不过,Pandas 里面又定义了两种数据类型:Series 和 DataFrame,它们让数据操作更简单了。