输入
# 一行输入多个数字，空格隔开，存入列表a中
a = list(map(int, input().split()))
print(a)
>>>21 22 34 54 67
>>>[21, 22, 34, 54, 67]
输出
数据：
print(%d%10.3f%(x,y)) y的精度为3，宽度为10
%0 前方补零 %- 固定字长，左对齐
{}.format()
TIPS:
In 包含
Not in 不包含
And 并且
Or 或者
Not 非
Elif else if的简称
Is not none 不为空
字符串str: “abc”
列表list: [1,2,3] tips:可变
元组tuple: (1,2,3) 不可变
字典dict: {“name”:”xiaoming”,”age”:20}
集合set: set([1,2,3]) 自动去重
chr() 转字符
ord() 转ASCII
range的使用方法：
For i range(100):print(i) 输出100以内的数字
//range是一个函数，挨个产出数字
- Range(5) 输出[0,1,2,3,4]
- Range(2,5) 输出[2,3,4]
- Range(3,10,2) 输出[3,5,7,9]
math
ceil(4.1) 5
floor(4.9) 4
exp() e的次方
random
import random
[0,1) x=random.random()
[1,20) int类型 random(1,20)
str="hello"
x="-".join("hello")
h-e-l-l-o
list
if “s” in names:
添加
append() 在末尾添加元素
extend() 合并列表 a.extend(b)
insert() 在指定位置添加
删除
del del a[1]
remove() a.remove(“字符串”)
pop() a.pop(位置索引)
sorted(list) 升序 sorted(list,reverse(true))降序
tuple
t3=(1,2,3) a,b,c=t3 1 2 3
t2=(1,2,3,4,5) a,b,*c=t2 1 2 [3,4,5]
dict
items() 取元素
keys() 取键
values() 取值
删除
del d[“键值”]
d.pop(“键值”)
json序列化
import json
data=[{‘b’:2,’d’:4,’c’:1,’e’:5,’a’:3}]
js=json.dumps(data,sort_keys=True,indent=4,separators=(‘,’,’:’))
反序列化
text=json.loads(js)
类class
class person:
def _init_(self,name):
self.name=name
print('父类')
def eat(self):
print("eat")
class student(person):
def _init_(self):
print("son")
def study(self):
print('study')
s=student()
s.study()
s.eat()
文件输入输出与异常处理
fh=open(“文件路径”，”a/w/r”)
a:文件末添加
w:文件覆盖写入
r:读取文件
try:
fh=open("C:/Users/Nezeril/Desktop/新建 文本文档 (2).txt","a")
fh.write("normal")#写入文本
except IOError:#抛出异常
print("error")
else:
print('right')
finally:#退出时总会执行
fh.close()关闭文件
fh = open("C:/Users/Nezeril/Desktop/新建 文本文档 (2).txt", "r")
print(fh.read())文件读取
numpy库
import numpy as np
b=np.array(a)列表转换为数组
np.zeros([a,b])a行b列的全0矩阵np.ones()同
均匀分布
np.random.rand(10,10)
np.random.uniform(0,100)指定范围一个数
np.random.randint(0,100)整数
正态分布
np.random.normal(1.75,0.1,(2,3))给定均值/标准差/维度的正态分布
查看数组属性
.size 数组元素个数
.shape 数组形状
.ndim数字维度
.dtype数组元素类型
np.arange(10) 0-9的数组
- mean() 数组a的平均值
- sum() 总和
- std() 标准差
var方差 argmin，argmax最大最小的索引
cumsum 所有元素的累加 cumprod 累积
 |
pandas
pd.DataFrame(字典)
 |
matplotlib
 |
 |
pil
from PIL import Image
im=Image.open(‘图片’)#读取图片
im.rotate(45).show()#旋转图片
