本篇文章给大家谈谈python必背内容，以及一个有趣的事情，希望对各位有所帮助，不要忘了收藏本站喔。
来源 | Towards Data Science
作者 | Soner Yildirim
编译 | VK
Python在数据科学生态系统中占据主导地位PHP与PYTHON：基于语法，功能，应用程序等的详细比较。我认为，占据主导地位的两大原因是相对容易学习和数据科学库的丰富选择。
Python是一种通用语言，因此它不仅仅用于数据科学，Web开发、移动应用程序和游戏开发也是Python的一些用例。
如果你仅将Python用于与数据科学相关的任务，那么你不必是Python专家。不过，我认为你必须掌握一些核心概念和功能。
我们在本文中介绍的内容不是特定于库的。它们可以被认为是数据科学的基础Python。即使你只使用Pandas、Matplotlib和sciket learn，也需要全面了解Python基础知识。这些库假设你熟悉Python的基础知识。
我将用几个例子简要地解释每个主题，并为大多数主题提供一个详细文章的链接。
1.函数
函数是Python中的构建块。它们接受零个或多个参数并返回一个值。我们使用def关键字创建一个函数。
这是一个简单的函数，它将两个数相乘。
def multiply(a, b):
return a * b
multiply(5, 4)
20下面是另一个根据单词长度进行相关计算的示例。
def is_long(word):
if len(word) > 8:
return f"{word} is a long word."
is_long("artificial")
'artificial is a long word.'函数应该完成一项任务。创建一个执行一系列任务的函数违背了使用函数的目的。
我们还应该为函数指定描述性名称，这样我们就可以在不看到代码的情况下了解函数的功能。
2.位置参数和关键字参数
当我们定义一个函数时，我们指定它的参数。调用函数时，必须为其提供所需参数的值。
考虑在上一步中创建的乘法函数。它有两个参数，所以我们在调用函数时为这些参数提供值。
-
位置参数仅由名称声明。
-
关键字参数由名称和默认值声明。
调用函数时，必须给出位置参数的值。否则，我们将得到一个错误。如果我们不为关键字参数指定值，它将采用默认值。
让我们用关键字参数重新定义multiply函数，这样我们就可以看到区别了。
def multiply(a=1, b=1):
return a * b
print(multiply(5, 4))
20
print(multiply())
13.args和*kwargs
函数是Python中的构建块。它们接受零个或多个参数并返回一个值。Python在参数如何传递给函数方面非常灵活。args和*kwargs使处理参数更容易、更清晰。
-
*args允许函数接受任意数量的位置参数。
下面是一个简单的例子：
def addition(*args):
result = 0
for i in args:
result += i
return result
print(addition(1,4))
5
print(addition(1,7,3))
11-
**kwargs允许函数接受任意数量的关键字参数。
默认情况下，**kwargs是一个空字典。每个未定义的关键字参数都作为键值对存储在**kwargs字典中。
下面是一个简单的例子：
def arg_printer(a, b, option=True, **kwargs):
print(a, b)
print(option)
print(kwargs)
arg_printer(3, 4, param1=5, param2=6)
3 4
True
{'param1': 5, 'param2': 6}https://towardsdatascience.com/10-examples-to-master-args-and-kwargs-in-python-6f1e8cc30749
4.类
面向对象编程（OOP）范式是围绕着拥有属于特定类型的对象的思想构建的。从某种意义上说，类型是解释我们的对象。
Python中的所有东西都是一种类型的对象，比如整数、列表、字典、函数等等。我们使用类定义一种对象类型。
类具有以下信息：
-
数据属性：创建类的实例需要什么
-
方法（即过程属性）：我们如何与类的实例交互。
https://towardsdatascience.com/a-comprehensive-guide-for-classes-in-python-e6bb72a25a5e
5.列表
List是Python中的内置数据结构。它表示为方括号中的数据点集合。列表可用于存储任何数据类型或不同数据类型的混合。
列表是可变的，这也是为什么它们如此常用的原因之一。因此，我们可以删除和添加项。也可以更新列表中的项目。
下面是一些关于如何创建和修改列表的示例。
words = ['data','science'] # 创建一个列表
print(words[0]) # 访问项目
'data'
words.append('machine') # 添加项目
print(len(words)) # 列表长度
3
print(words)
['data', 'science', 'machine']https://towardsdatascience.com/11-must-know-operations-to-master-python-lists-f03c71b6bbb6
6.列表生成式
列表生成式用更简单、更吸引人的语法表示for和if循环。列表生成式相对比for循环快。
下面是一个简单的列表生成式，它根据给定的条件从另一个列表创建一个列表。
a = [4,6,7,3,2]
b = [x for x in a if x > 5]
b
[6, 7]下面的列表将函数应用于另一个列表中的项。
words = ['data','science','machine','learning']
b = [len(word) for word in words]
b
[4, 7, 7, 8]https://towardsdatascience.com/11-examples-to-master-python-list-comprehensions-33c681b56212
7.字典
字典是一个无序的键值对集合。每个条目都有一个键和值。字典可以看作是一个有特殊索引的列表。
密钥必须是唯一且不可变的。所以我们可以使用字符串、数字（int或float）或元组作为键。值可以是任何类型。
考虑一个需要存储学生成绩的案例。我们可以把它们存储在字典或列表中。
创建字典的一种方法是在大括号中编写键值对。
grades = {'John':'A', 'Emily':'A+', 'Betty':'B', 'Mike':'C', 'Ashley':'A'}我们可以使用字典中的值的键来访问它。
grades['John']
'A'
grades.get('Betty')
'B'https://towardsdatascience.com/12-examples-to-master-python-dictionaries-5a8bcd688c6d
8.集合
集合是不同的可散列对象的无序集合。这是Python官方文档中对集合的定义。让我们打开它。
-
无序集合：它包含零个或多个元素。集合中的元素没有顺序。因此，它不支持索引或切片，就像我们对列表所做的那样。
-
不同的可散列对象：一个集合包含唯一的元素。hashable表示不可变。尽管集合是可变的，但集合的元素必须是不变的。
我们可以通过将逗号分隔的对象放在大括号中来创建一个集合。
a = {1, 4, 'foo'}
print(type(a))
<class 'set'>集合不包含重复的元素，因此即使我们多次尝试添加相同的元素，结果集合也将包含唯一的元素。
a = {1, 4, 'foo', 4, 'foo'}
print(a)
{1, 4, 'foo'}https://towardsdatascience.com/12-examples-to-master-python-sets-71802ea56de3
9.元组
元组是用逗号分隔并用括号括起来的值的集合。与列表不同，元组是不可变的。元组的不变性可以看作元组的识别特征。
元组由括号中的值和逗号分隔的值组成。
a = (3, 4)
print(type(a))
<class 'tuple'>我们也可以不使用括号来创建元组。用逗号分隔的值序列将创建一个元组。
a = 3, 4, 5, 6
print(type(a))
<class 'tuple'>元组最常见的用例之一是返回多个值的函数。
import numpy as np
def count_sum(arr):
count = len(arr)
sum = arr.sum()
return count, sum
arr = np.random.randint(10, size=8)
a = count_sum(arr)
print(a)
(8, 39)
print(type(a))
<class 'tuple'>https://towardsdatascience.com/10-examples-to-master-python-tuples-6c606ed42b96
10.Lambda表达式
Lambda表达式是函数的特殊形式。通常，lambda表达式不带名称。
考虑以下返回给定数字平方的函数。
def square(x):
return x**2等效lambda表达式为：
lambda x: x ** 2考虑一个需要做一次或几次的操作。此外，我们有许多变化，这一行动是略有不同，比原来的一个。在这种情况下，为每个操作定义一个单独的函数并不理想。相反，lambda表达式提供了一种更有效的方法来完成任务。
https://towardsdatascience.com/the-power-of-lambda-expressions-in-python-c5a1dcea9837
结论
我们已经介绍了Python的一些关键概念和主题。大多数与数据科学相关的任务都是通过第三方库和框架完成的，如Pandas、Matplotlib、sciket-learn、TensorFlow等。
但是，我们应该全面了解Python的基本操作和概念，以便有效地使用这些库。
谢谢你的阅读。
往期精彩回顾
适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑温州大学《机器学习课程》视频
本站qq群851320808，加入微信群请扫码：
