Python 基础

x = 5
x

x + 9 # 加

x - 9 # 减

x * 9 # 乘

x ** 9 # 乘方

x % 9 # 取模

x / float(9) # 除

help(str)

zh_string = "最好的人工智能开发"
zh_string

zh_string * 2

zh_string + '就在这里了'

'我' in zh_string

zh_string.upper()
zh_string.lower()
zh_string.count('在')
zh_string.replace('在', ' is ')
zh_string.strip()

a = '是'
b = '这'
zh_list = ['我', '列表', a, b]
zh_list2 = [[1, 3, 5, 7], [2, 4, 6, 8]]

# 下标
zh_list[1] # 索引从 0 开始，这里取第 2 个元素
zh_list[-1] # 最后一个元素

# 分片
zh_list[1:3] # 索引 1, 2
zh_list[1:] # 索引 1 及之后
zh_list[:3] # 索引 3 之前
zh_list[:] # 所有 / 复制列表

# 子列表
zh_list + zh_list
zh_list * 2

# 列表方法
zh_list = [1, 3, 5, 7]
zh_list.index(3) # 获取元素下标
zh_list.count(3) # 统计元素个数
zh_list.append(0) # 追加元素
zh_list.remove(0) # 移除元素
del(zh_list[:2]) # 删除前 2 个元素
zh_list.reverse() # 反转列表
zh_list.extend([2, 4, 6]) # 扩展列表
zh_list.pop(-1) # 弹出（移除并返回）指定 index 元素
zh_list.insert(3, 9) # 在 index 位置新增元素
zh_list.sort() # 排序列表

import numpy
import numpy as np

from sklearn import datasets

zh_list = [1, 3, 5, 7]
zh_array = np.array(zh_list)
zh_2darray = np.array([[1, 3, 5, 7], [2, 4, 6, 8]])

# 下标
zh_list[0] # 索引从 0 开始

# 切片
zh_list[:2]

# 2 维数组下标
zh_2darray[:, 1]

zh_array > 3

zh_array * 2

zh_array + np.array([9, 8, 7, 6])

other_array = np.array([5, 5, 5, 5])
zh_array.shape # 维数
np.append(zh_array, other_array) # 追加数组
np.insert(zh_array, 1, 5) # 插入元素
np.delete(zh_array, [1]) # 删除元素
np.mean(zh_array) # 均值
np.median(zh_array) # 中位数
np.corrcoef(zh_array) # 相关系数
np.std(zh_array) # 标准差