搜索到
27
篇与
的结果
-
-
第4章 列表、元组 本章教学目标：熟练掌握列表和元组的概念；熟练掌握列表和元组提供的常用方法；熟练掌握常用内置函数对列表和元组的操作；熟练掌握列表和元组支持的运算符；熟练掌握列表推导式的语法和应用；理解列表与元组的相同点与不同点；熟练掌握生成器表达式的语法和应用；熟练掌握切片操作；熟练掌握序列解包的语法和应用。4.1 列表教学内容：列表创建与删除；列表元素访问；列表常用方法；列表对象支持的运算符；内置函数对列表的操作。教学重点：列表方法，列表对运算符与内置函数的支持。习题：1、2、3、4、5、6、9、11、124.2 列表推导式语法与应用教学内容：列表推导式语法。4.3 元组与生成器表达式教学内容：元组创建与元素访问，元组与列表的区别，生成器表达式。教学重点：元组与列表的区别。习题：7、8、104.4 切片语法与应用教学内容：切片。教学重点：切片语法中三个数字的含义，使用切片访问列表、元组、字符串中的部分元素。习题：134.5 序列解包教学内容：序列解包的不同形式。教学重点：序列解包的本质是同时为多个元素赋值。习题：14、15、16、17实验项目2：抓狐狸游戏2
-
任务3.2 掌握DataFrame的常用操作 # 代码3-9 from sqlalchemy import create_engine import pandas as pd # 创建数据库连接 engine = create_engine('mysql+pymysql://root:1234@127.0.0.1:3306/testdb?charset=utf8') musicdata = pd.read_sql_table('musicdata', con=engine) print('音乐行业收入信息表的索引为：', musicdata.index) print('音乐行业收入信息表的所有值为：\n', musicdata.values) print('音乐行业收入信息表的列名为：\n', musicdata.columns) print('音乐行业收入信息表的数据类型为：\n', musicdata.dtypes) # 代码3-10 # 查看DataFrame的元素个数、维度数、形状 print('音乐行业收入信息表的元素个数为：', musicdata.size) print('音乐行业收入信息表的维度数为：', musicdata.ndim) print('音乐行业收入信息表的形状为：', musicdata.shape) # 代码3-11 print('音乐行业收入信息表转置前形状为：', musicdata.shape) print('音乐行业收入信息表转置后形状为：', musicdata.T.shape) # 代码3-12 # 使用字典访问的方式取出musicdata中的某一列 format = musicdata['format'] print('音乐行业收入信息表中的format的形状为：', format.shape) # 代码3-13 # 使用访问属性的方式取出musicdata中的number_of_records number_of_records = musicdata.number_of_records print('音乐行业收入信息表中的number_of_records的形状为:', number_of_records.shape) # 代码3-14 metric5 = musicdata['metric'][:5] print('音乐行业收入信息表中的metric前5个元素为：\n', metric5) # 代码3-15 format_metric = musicdata[['format', 'metric']][:5] print('音乐行业收入信息表中的format和metric前5个元素为：\n', format_metric) # 代码3-16 musicdata5 = musicdata[:][1:6] print('音乐行业收入信息表的1～6行元素为：\n', musicdata5) # 代码3-17 print('音乐行业收入信息表中前5行数据为:\n', musicdata.head()) print('音乐行业收入信息表中后5行元素为：\n', musicdata.tail()) # 代码3-18 format1 = musicdata.loc[:, 'format'] print('使用loc()方法提取format列的size为：', format1.size) format2 = musicdata.iloc[:, 3] print('使用iloc()方法提取第3列的size为：', format2.size) # 代码3-19 format_metric1 = musicdata.loc[:, ['format', 'metric']] print('使用loc()方法提取format和metric列的size为：', format_metric1.size) format_metric2 = musicdata.iloc[:, [1, 3]] print('使用iloc()方法提取第1和第3列的size为：', format_metric2.size) # 代码3-20 print('列名为format和metric的行名为3的数据为：\n', musicdata.loc[3, ['format', 'metric']]) print('列名为format和metric行名为2,3,4,5,6的数据为：\n', musicdata.loc[2: 6, ['format', 'metric']]) print('列位置为1和3，行位置为3的数据为：\n', musicdata.iloc[3, [1, 3]]) print('列位置为1和3，行位置为2,3,4,5,6的数据为：\n', musicdata.iloc[2: 7, [1, 3]]) # 代码3-21 # 传入表达式 print('musicdata中metric为“Units”的format为：\n', musicdata.loc[musicdata['metric'] == 'Units', ['format', 'metric']]) print('musicdata中metric为“Units”的第1、4列数据为：\n', musicdata.iloc[musicdata['metric'] == 'Units', [1, 4]]) # 代码3-22 print('musicdata中metric为“Units”的第1、4列数据为：\n', musicdata.iloc[(musicdata['metric'] == 'Units').values, [1, 4]]) # 代码3-23 # 将format值为CD的变换为数值1 print('更改前musicdata中format为CD的数据为：\n', musicdata.loc[musicdata['format'] == 'CD', 'format']) musicdata.loc[musicdata['format'] == 'CD', 'format']=1 print('更改后musicdata中format为1的数据为：\n', musicdata.loc[musicdata['format'] == 1, 'format']) # 代码3-24 # 转换为时间序列数据 dates = pd.to_datetime(musicdata['date']) # 建立月份列 musicdata['month'] = dates.map(lambda x: x.month) # 查看前5行 print('musicdata新增列month的前5行为：\n', musicdata['month'].head()) # 代码3-25 musicdata['day'] = 15 print('musicdata新增列day的前5行为：\n', musicdata['day'].head()) # 代码3-26 print('删除day前musicdata的列索引为：\n', musicdata.columns) musicdata.drop(labels='day', axis=1, inplace=True) print('删除day后musicdata的列索引为：\n', musicdata.columns) # 代码3-27 print('删除1～3行前musicdata的长度为：', len(musicdata)) musicdata.drop(labels=range(1, 4), axis=0, inplace=True) print('删除1～3行后musicdata的长度为：', len(musicdata)) # 代码3-28 import numpy as np print('音乐行业收入信息表中number_of_records的平均值为：', np.mean(musicdata['number_of_records'])) # 代码3-29 print('音乐行业收入信息表中number_of_records的平均值为：', musicdata['number_of_records'].mean()) # 代码3-30 print('音乐行业收入信息表value_actual的描述性统计为：\n', musicdata['value_actual'].describe()) # 代码3-31 print('音乐行业收入信息 表format频数统计前6行结果为：\n', musicdata['format'].value_counts()[:6]) # 代码3-32 musicdata['metric'] = musicdata['metric'].astype('category') print('音乐行业收入信息表metric列转变数据类型后为：', musicdata['metric'].dtypes) # 代码3-33 print('音乐行业收入信息表metric的描述统计结果为：\n', musicdata['metric'].describe())
-
任务3.1 读写不同数据源的数据 # 代码3-1 import pandas as pd # 使用read_table函数读取音乐行业收入信息表 musicdata = pd.read_table('../data/musicdata.csv', sep=',', encoding='gbk') print('使用read_table函数读取音乐行业收入信息表的长度为：', len(musicdata)) # 使用read_csv函数读取音乐行业收入信息表 musicdata1 = pd.read_csv('../data/musicdata.csv', encoding='gbk') print('使用read_csv函数读取音乐行业收入信息表的长度为：', len(musicdata1)) # 代码3-2 # 使用read_table函数读取音乐行业收入表，sep=';' musicdata2 = pd.read_table('../data/musicdata.csv', sep = ';', encoding='gbk') print('当分隔符为;时，音乐行业收入信息表为：\n', musicdata2) # 使用read_csv函数读取音乐行业收入信息表，header=None musicdata3 = pd.read_csv('../data/musicdata.csv', sep=',', header=None, encoding='gbk') print('当header为None时，音乐行业收入数据信息表为：\n', musicdata3) # 使用UTF-16编码读取音乐行业收入信息表 musicdata4 = pd.read_csv('../data/musicdata.csv', sep=',', encoding='utf-16') print('encoding为"utf-16"时音乐行业收入数据信息表为：\n', musicdata4) # 代码3-3 import os print('音乐行业收入信息表写入文本文件前目录内文件列表为：\n', os.listdir('../tmp')) # 将musicdata以csv格式存储 musicdata.to_csv('../tmp/musicdataInfo.csv', sep=';', index=False) print('音乐行业收入信息表写入文本文件后目录内文件列表为：\n', os.listdir('../tmp')) # 代码3-4 # 读取musicdata.xlsx文件 musicdata = pd.read_excel('../data/musicdata.xlsx') print('音乐行业收入信息表长度为：', len(musicdata)) # 代码3-5 print('音乐行业收入信息表写入Excel文件前，目录内文件列表为：\n', os.listdir('../tmp')) musicdata.to_excel('../tmp/musicdata.xlsx') print('音乐行业收入信息表写入Excel文件后，目录内文件列表为：\n', os.listdir('../tmp')) # 代码3-6,没有办法直接运行，因为没有配置好环境。 from sqlalchemy import create_engine # 创建一个MySQL连接器，用户名为root，密码为1234 # 地址为127.0.0.1，数据库名称为testdb，编码为UTF-8 engine = create_engine('mysql+pymysql://root:1234@127.0.0.1:3306/testdb?charset=utf8') print(engine) # 代码3-7 # 使用read_sql_query函数查看testdb中的数据表数目 musicadatalist = pd.read_sql_query('show tables', con=engine) print('testdb数据库数据表清单为:\n', musicadatalist) # 使用read_sql_table函数读取音乐行业收入信息表 musicdata = pd.read_sql_table('musicdata', con=engine) print('使用read_sql_table函数读取音乐行业收入信息表的长度为:\n', len(musicdata)) # 使用read_sql函数读取音乐行业收入信息表 musicdata = pd.read_sql('musicdata', con=engine) print('使用read_sql函数读取音乐行业收入信息表的长度为:\n', len(musicdata)) # 代码3-8 # 使用to_sql()方法存储musicData musicdata.to_sql('test1', con=engine, index=False, if_exists='replace') # 使用read_sql函数读取test表 formlist1 = pd.read_sql_query('show tables', con=engine) print('新增一个表格后，testdb数据库数据表清单为：\n', formlist1)
-
第3章 程序控制结构 本章教学目标：理解表达式的值与True/False的等价关系；熟练掌握选择结构的语法和应用；熟练掌握循环结构的语法和应用；熟练掌握异常处理结构的语法和应用；熟练掌握选择结构、循环结构、异常处理结构嵌套使用的语法；养成对用户输入进行有效性检查的习惯3.1 条件表达式教学内容：表达式的值与True/False的等价关系。教学重点：等价和相等不是一个意思。习题：1、2、8、93.2 选择结构教学内容：单分支选择结构；双分支选择结构；嵌套的选择结构。教学重点：代码缩进。3.3 循环结构教学内容：for循环结构；while循环结构；break与continue语句。教学重点：带else的循环结构执行流程，break语句的作用。习题：3、4、5、10、113.4 异常处理结构教学内容：常见异常表现形式；异常处理结构语法与应用。教学重点：异常表现形式，带else的异常处理结构执行流程，异常处理代码也有可能会出错抛出异常。习题：6、7、12、13实验项目1：抓狐狸游戏1
