Python做数据分析时要注意的坑-20200405
目录
1.计算法则
1.数值型
2.字符型
1.字符型数据的切片：
2.字符串的格式化：
3.逻辑型
2.数据结构
1.列表（数组）
2.字典
3.序列
4.数据框
3.向量化运算
4.注意事项
1.计算法则 1.数值型| 符号 | 说明 |
| / | 相除，注意结果的精度问题 |
| // |
相除并取整 |
| % | 相除并取余 |
| ** | 乘方 |
| 符号 | 说明 |
| + |
连接 |
| * | 重复；例如‘*3’表示重复3次 |
| startswith('字符串内容') | 判断是否以括号内的字符串开头 |
| find('字符串内容') | 判断是否包含了括号内的字符串 |
| replace('旧的字符串','新的字符串') |
用新的字符串替换旧的字符串 （并不更改原数据） |
【坑】：在Python中，很多地方使用函数进行的修改、追加或删除等操作，并不会更改原本的数据。但是通过赋值语句进行的修改、追加或删除操作，能够更改到原本的数据。
1.字符型数据的切片： 不论正向还是反向，都是取前不取后 可以反向索引，末位从-1开始 用中括号，中间用冒号 2.字符串的格式化：%[对齐标记][宽度][.精度]类型
| 标记 | 说明 |
| %s | 后面跟字符型 |
| %d | 后面跟整数 |
| %f | 后面跟小数 |
| %% | 百分号，前面一个为转义符 |
| + | 显示正数的+号 |
| - | 表示左对齐 |
| ‘ ’ | 位数不够时用空格补齐 |
| 0 | 位数不够时用0补齐 |
| 宽度 | 最小宽度，默认右对齐，不够的默认用空格补齐 |
| 精度 |
限制长度，超过则将四舍五入或是截断，默认为6位。 精度前有一个小圆点，与宽度做区别 |
注意首字母大写，其他字母小写
| 运算符 | 说明 |
| & | 与 |
| | | 或 |
| not | 非 |
| 输入 | 说明 |
| age[0] | 列表中的第1位的数据 |
| age[0:2] |
列表的切片，即从第1位数字，到第2位数字 （同样取前不取后，不包含第3位） |
| 21 in age | 判断值是否存在于列表中，返回值是逻辑值 |
| 列表名.append(数据值) | 给列表增加一个数据（能更改原数据） |
| 列表名.extend(新的列表名) | 给列表增加另外一个列表（能更改原数据） |
| allName[0]='刘一' | 修改列表中第一个数的值 |
| del allName[0] | 根据位置删除列表中的值（能更改原数据） |
| allName.remove('陈二') |
根据数据值删除列表中的值（能更改原数据） |
【坑】：列表中的操作都可以更改原数据
2.字典键值对的集合，中间用逗号隔开
| 输入 | 说明 |
| 字典名[键名] | 访问该键对应的值 |
| 字典名.keys() | 获取字典中的所有键 |
| 字典名.values() | 获取字典中的所有值 |
| '键名' in 字典.keys() |
判断这个键名是否存在于该字典的键中 （先判断要查找的是键还是值） |
| '值' in 字典.values() |
判断这个值是否存在于该字典的值中 （先判断要查找的是键还是值） |
| 字典名[键名]=[值] |
如果该键存在，则修改键对应的值，只会保存最后一次出现的键值对 如果该键不存在，则增加键值对 |
| del 字典名[键名] | 删除键值对（能更改原数据） |
【坑】：字典中的操作都能更改原数据
3.序列 序列是带索引的列表 用pandas模块下的Series函数| 输入 | 说明 |
| 序列名=pandas.Series(data=[数值内容],index=[索引名]) |
定义一个序列 如果不定义索引，则使用默认索引 |
| 序列名[索引名] | 可以使用自定义索引或默认索引访问某个值，也可以用切片的形式访问多个值 |
| 索引名[[2,0,1]] |
按照指定位置返回值（常用于随机抽样） 外面的中括号用来取值；里面的中括号表示一个列表，要取多个值 |
| 'first' in x | 判断是否存在于序列中，如果不指定是index还是values，则默认判断索引 |
| 2 in x.values | 判断数值型或逻辑型的值是否存在，不用加括号 |
| x.isin([True,'a']) |
依次判断序列x每个索引上的值是否存在于括号里的列表中 返回值也是按照索引顺序排列，返回逻辑值 |
|
ns = pandas.Series(['2']) x.append(ns) |
给序列增加数据时，要保证append()函数里面包含的是一个序列 调用append()函数后，会自动返回结果，但是没有更改原来的数据 |
| 序列名[索引名]=值 | 按照索引修改值 |
| 序列名[[索引名1，索引名2]]=[值1,值2] |
按照多个索引进行修改 看到多个就用列表形式，带上中括号 索引名外面要用中括号，表示按照索引取值 |
| 序列.drop(索引名) |
索引名可以是一个，也可以是多个 多个用列表形式，带上中括号 不清楚索引名时，可以用x.index[默认索引]代替索引名 删除操作后自动返回结果，但没有更改原来的数据 |
| 序列名['保留的值'!=序列名.values] | 按照值删除，把除了要保留的值以外的都删除 |
【坑】：如果自定义索引中有与默认索引冲突的，则会按照自定义索引操作。比如自定义第四位的索引名为0
【坑】：在序列中，追加和删除操作不会更改原来的数据
4.数据框 数据框是序列的集合 在数据框中，索引不单独算一列 使用pandas模块下的DataFrame函数| 输入 | 说明 |
| pandas.DataFrame(data=数值内容,index=索引名,columns=列内容） |
columns控制数据框的列结果，包括列的顺序以及具体有哪些列 data、index、columns之间是用逗号隔开的 |
| 数据框名[列名] |
按照列名访问数据 可以是一列，也可以是多列 多列用列表形式，带上中括号 |
| 数据框名.iloc[默认索引] |
用默认索引访问行数据 也可以是切片形式访问多行 也可以用行列号访问具体位置的数据：数据框名.iloc[0:1,0:1] 表示第1行第1列数据 |
| 数据框名.loc[自定义索引] |
用自定义索引访问行数据 可以演变成增加行数据：数据框名.loc[len(数据框名)]=数据值 但这种方法效率很低，不适宜用在遍历中 |
| 数据框名.at[索引名,列名] | 访问数据框中某个具体位置的值 |
| 数据框名.append(新数据框名) |
追加操作，追加的内容是数据框 与序列一样，该操作没有更改原来的数据 |
| 数据框名[列名]=[列值] | 新增一列，注意新增的列值个数与行数要一致 |
| 数据框名.columns=[列名1,列名2] | 重新设置列名，注意中括号内要包含所有的列 |
| 数据框名.index=[索引名1,索引名2,索引名3] | 重新设置索引名，注意中括号内要包含所有的索引 |
| 数据框名.at[索引名,列名]=数据框中的值 | 修改数据框中某个具体位置的值 |
| 数据框名.drop(行索引名,axis=0) |
根据行索引名删除行，注意axis=0 与序列一样，该操作没有更改原来的数据 |
| 数据框名.drop(列名,axis=1) |
根据列名删除列，注意axis=1 与序列一样，该操作没有更改原来的数据 |
【坑】：在数据框中，追加和删除操作不会更改原来的数据
【坑】：数据框中表示某一列，可以用：数据框名[列名]，也可以用：数据框名.列名
数据框中有一个函数iterrows，返回每一行的索引以及每一行对应的值，其中每一行的值用一个以列名为索引名的序列来表示
3.向量化运算对同一列中的所有数据执行相同的操作
向量化运算更加高效，可以避免for语句的使用
r>3 可以对向量r中的所有数与3进行比较，返回值为逻辑型 r[r>3] 可以进行数据的过滤，只保留大于3的数值，返回值为新的r向量包含的值 apply函数默认是按照列遍历，把函数的axis参数值改为1，就是按行遍历 4.注意事项 大小写敏感 变量名、文件名不要和正在用的模块名或函数名重复 变量名中包含两个以上单词的，可以用'_'分隔开，或者第一个单词首字母小写，后面的单词首字母大写 变量命名可以用字母、数字、下划线，但是不能以数字或下划线开头 缩进敏感。在Spyder中，用Tab键可以一次4个空格。注意不同的编辑器中Tab代表的空格数可能不同，所以最好用空格 控制一行代码的长度 转义符的使用：|
输出 |
说明 |
|
想输出冒号 |
在冒号前加上反斜杠\ |
|
想输出反斜杠\ |
在其前面加上反斜杠\ |
|
想表示后面跟着的都是原始字符串，不含有转义 |
在字符串前面加上一个r |
|
想表示接续下一行，实际输出并不换行 |
反斜杠\用在一行末尾 |
8.浮点数计算的精度问题：
a=4.2
b=2.1
a+b
#结果
Out[2]: 6.300000000000001
使用decimal模块下的Decimal函数对浮点数进行封装，即可解决精度问题：
from decimal import Decimal
a=Decimal('4.2')
b=Decimal('2.1')
a+b
#结果
Out[3]: Decimal('6.3')
作者：wanercsdn
