python中的range函數(shù)

Python2.X range()函數(shù)可創(chuàng)建一個(gè)整數(shù)列表，一般用在for循環(huán)中。

成都創(chuàng)新互聯(lián)公司于2013年創(chuàng)立，是專(zhuān)業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項(xiàng)目成都做網(wǎng)站、成都網(wǎng)站設(shè)計(jì)網(wǎng)站策劃，項(xiàng)目實(shí)施與項(xiàng)目整合能力。我們以讓每一個(gè)夢(mèng)想脫穎而出為使命，1280元滄州做網(wǎng)站,已為上家服務(wù),為滄州各地企業(yè)和個(gè)人服務(wù),聯(lián)系電話(huà):18982081108

Python3 range()函數(shù)返回的是一個(gè)可迭代對(duì)象，類(lèi)型是對(duì)象，而不是列表類(lèi)型，所以打印的時(shí)候不會(huì)打印列表。

Python3 list()函數(shù)是對(duì)象迭代器，可以把range()返回的可迭代對(duì)象轉(zhuǎn)為一個(gè)列表，返回的變量類(lèi)型為列表。

Python2 range()函數(shù)返回的是列表。

Python range()函數(shù)語(yǔ)法

range(start, stop[,step])

參數(shù)說(shuō)明：

start：計(jì)數(shù)從start開(kāi)始，默認(rèn)是從0開(kāi)始;比如：range(5)等價(jià)于range(0,5)。

stop：計(jì)數(shù)到stop結(jié)束，但不包括stop;比如：range(0,5)是[0, 1, 2, 3, 4]沒(méi)有5。

step：步長(zhǎng)，默認(rèn)為1;比如：range(0,5)等價(jià)于range(0,5,1)。

python中range()函數(shù)的用法

python中range()函數(shù)的用法：

（1）range(stop)

創(chuàng)建一個(gè)（0,stop)之間的整數(shù)序列，步長(zhǎng)為1。

（2）range(start,stop)

創(chuàng)建一個(gè)（start,stop)之間的整數(shù)序列，步長(zhǎng)為1。

（3）range(start,stop,step)

創(chuàng)建一個(gè)[start,stop)之間的整數(shù)序列，步長(zhǎng)為step。

參數(shù)介紹：

start：表示從返回序列的起始編號(hào)，默認(rèn)情況下從0開(kāi)始。

stop：表示生成最多但不包括此數(shù)字的數(shù)字。

step：指的是序列中每個(gè)數(shù)字之間的差異，默認(rèn)值為1。

相關(guān)介紹

range()是Python的內(nèi)置函數(shù)，在用戶(hù)需要執(zhí)行特定次數(shù)的操作時(shí)使用它，表示循環(huán)的意思。內(nèi)置函數(shù)range()可用于以列表的形式生成數(shù)字序列。在range()函數(shù)中最常見(jiàn)用法是使用for和while循環(huán)迭代序列類(lèi)型（List，string等）。

簡(jiǎn)單的來(lái)說(shuō)，range()函數(shù)允許用戶(hù)在給定范圍內(nèi)生成一系列數(shù)字。根據(jù)用戶(hù)傳遞給函數(shù)的參數(shù)數(shù)量，用戶(hù)可以決定該系列數(shù)字的開(kāi)始和結(jié)束位置以及一個(gè)數(shù)字與下一個(gè)數(shù)字之間的差異有多大。

python中如何將表中的數(shù)據(jù)做成一張表,然后再?gòu)闹腥〕鰯?shù)據(jù)？

第一部分是生成數(shù)據(jù)表，常見(jiàn)的生成方法有兩種，第一種是導(dǎo)入外部數(shù)據(jù)，第二種是直接寫(xiě)入數(shù)據(jù)。 Excel 中的文件菜單中提供了獲取外部數(shù)據(jù)的功能，支持?jǐn)?shù)據(jù)庫(kù)和文本文件和頁(yè)面的多種數(shù)據(jù)源導(dǎo)入。

獲取外部數(shù)據(jù)

python 支持從多種類(lèi)型的數(shù)據(jù)導(dǎo)入。在開(kāi)始使用 python 進(jìn)行數(shù)據(jù)導(dǎo)入前需要先導(dǎo)入 pandas 庫(kù)，為了方便起見(jiàn)，我們也同時(shí)導(dǎo)入 numpy 庫(kù)。

1 import numpy as np

2 import pandas as pd

導(dǎo)入數(shù)據(jù)表

下面分別是從 excel 和 csv 格式文件導(dǎo)入數(shù)據(jù)并創(chuàng)建數(shù)據(jù)表的方法。代碼是最簡(jiǎn)模式，里面有很多可選參數(shù)設(shè)置，例如列名稱(chēng)，索引列，數(shù)據(jù)格式等等。感興趣的朋友可以參考 pandas 的

官方文檔。

1 df=pd.DataFrame(pd.read_csv(‘name.csv’,header=1))

2 df=pd.DataFrame(pd.read_excel(‘name.xlsx’))

創(chuàng)建數(shù)據(jù)表

另一種方法是通過(guò)直接寫(xiě)入數(shù)據(jù)來(lái)生成數(shù)據(jù)表，excel 中直接在單元格中輸入數(shù)據(jù)就可以，python 中通過(guò)下面的代碼來(lái)實(shí)現(xiàn)。生成數(shù)據(jù)表的函數(shù)是 pandas 庫(kù)中的 DateFrame 函數(shù)，數(shù)據(jù)表一共有 6 行數(shù)據(jù)，每行有 6 個(gè)字段。在數(shù)據(jù)中我們特意設(shè)置了一些 NA 值和有問(wèn)題的字段，例如包含空格等。后面將在數(shù)據(jù)清洗步驟進(jìn)行處理。后面我們將統(tǒng)一以 DataFrame 的簡(jiǎn)稱(chēng) df 來(lái)命名數(shù)據(jù)表。

1 df = pd.DataFrame({‘id’:[1001,1002,1003,1004,1005,1006],

2 ‘date’:pd.date_range(‘20130102’, periods=6),

3 ‘city’:['Beijing ', ‘SH’, ’ guangzhou ', ‘Shenzhen’, ‘shanghai’, 'BEIJING '],

4 ‘a(chǎn)ge’:[23,44,54,32,34,32],

5 ‘category’:[‘100-A’,‘100-B’,‘110-A’,‘110-C’,‘210-A’,‘130-F’],

6 ‘price’:[1200,np.nan,2133,5433,np.nan,4432]},

7 columns =[‘id’,‘date’,‘city’,‘category’,‘a(chǎn)ge’,‘price’])

這是剛剛創(chuàng)建的數(shù)據(jù)表，我們沒(méi)有設(shè)置索引列，price 字段中包含有 NA 值，city 字段中還包含了一些臟數(shù)據(jù)。

數(shù)據(jù)表檢查

python 中處理的數(shù)據(jù)量通常會(huì)比較大，所以就需要我們對(duì)數(shù)據(jù)表進(jìn)行檢查。比如我們之前的文章中介紹的紐約出租車(chē)數(shù)據(jù)和 Citibike 的騎行數(shù)據(jù)，數(shù)據(jù)量都在千萬(wàn)級(jí)，我們無(wú)法一目了然的了解數(shù)據(jù)表的整體情況，必須要通過(guò)一些方法來(lái)獲得數(shù)據(jù)表的關(guān)鍵信息。數(shù)據(jù)表檢查的另一個(gè)目的是了解數(shù)據(jù)的概況，例如整個(gè)數(shù)據(jù)表的大小，所占空間，數(shù)據(jù)格式，是否有空值和重復(fù)項(xiàng)和具體的數(shù)據(jù)內(nèi)容。為后面的清洗和預(yù)處理做好準(zhǔn)備。

數(shù)據(jù)維度(行列)

Excel 中可以通過(guò) CTRL 向下的光標(biāo)鍵，和 CTRL 向右的光標(biāo)鍵來(lái)查看行號(hào)和列號(hào)。Python 中使用 shape 函數(shù)來(lái)查看數(shù)據(jù)表的維度，也就是行數(shù)和列數(shù)，函數(shù)返回的結(jié)果(6,6)表示數(shù)據(jù)表有 6 行，6 列。下面是具體的代碼。

1 #查看數(shù)據(jù)表的維度

2 df.shape

3 (6, 6)

數(shù)據(jù)表信息

使用 info 函數(shù)查看數(shù)據(jù)表的整體信息，這里返回的信息比較多，包括數(shù)據(jù)維度，列名稱(chēng)，數(shù)據(jù)格式和所占空間等信息。

1 #數(shù)據(jù)表信息

2 df.info()

4 class ‘pandas.core.frame.DataFrame’

5 RangeIndex: 6 entries, 0 to 5

6 Data columns (total 6 columns):

7 id 6 non-null int64

8 date 6 non-null datetime64[ns]

9 city 6 non-null object

10 category 6 non-null object

11 age 6 non-null int64

12 price 4 non-null float64

13 dtypes: datetime64ns, float64(1), int64(2), object(2)

14 memory usage: 368.0 bytes

查看數(shù)據(jù)格式

Excel 中通過(guò)選中單元格并查看開(kāi)始菜單中的數(shù)值類(lèi)型來(lái)判斷數(shù)據(jù)的格式。Python 中使用 dtypes 函數(shù)來(lái)返回?cái)?shù)據(jù)格式。

Dtypes 是一個(gè)查看數(shù)據(jù)格式的函數(shù)，可以一次性查看數(shù)據(jù)表中所有數(shù)據(jù)的格式，也可以指定一列來(lái)單獨(dú)查看。

1#查看數(shù)據(jù)表各列格式

2df.dtypes

3

4id int64

5date datetime64[ns]

6city object

7category object

8age int64

9price float64

10dtype: object

11

12#查看單列格式

13df[‘B’].dtype

14

15dtype(‘int64’)

查看空值

Excel 中查看空值的方法是使用“定位條件”功能對(duì)數(shù)據(jù)表中的空值進(jìn)行定位?！岸ㄎ粭l件”在“開(kāi)始”目錄下的“查找和選擇”目錄中。

Isnull 是 Python 中檢驗(yàn)空值的函數(shù)，返回的結(jié)果是邏輯值，包含空值返回 True，不包含則返回 False?？梢詫?duì)整個(gè)數(shù)據(jù)表進(jìn)行檢查，也可以單獨(dú)對(duì)某一列進(jìn)行空值檢查。

df_isnull

1#檢查特定列空值

2df[‘price’].isnull()

3

40 False

51 True

62 False

73 False

84 True

95 False

10Name: price, dtype: bool

查看唯一值

Excel 中查看唯一值的方法是使用“條件格式”對(duì)唯一值進(jìn)行顏色標(biāo)記。Python 中使用 unique 函數(shù)查看唯一值。

Unique 是查看唯一值的函數(shù)，只能對(duì)數(shù)據(jù)表中的特定列進(jìn)行檢查。下面是代碼，返回的結(jié)果是該列中的唯一值。類(lèi)似與 Excel 中刪除重復(fù)項(xiàng)后的結(jié)果。

1 #查看 city 列中的唯一值

2 df[‘city’].unique()34array(['Beijing ', ‘SH’, ’ guangzhou ', ‘Shenzhen’, ‘shanghai’, 'BEIJING '], dtype=object)

查看數(shù)據(jù)表數(shù)值

Python 中的 Values 函數(shù)用來(lái)查看數(shù)據(jù)表中的數(shù)值。以數(shù)組的形式返回，不包含表頭信息。

1#查看數(shù)據(jù)表的值

2df.values

3

4array([[1001, Timestamp(‘2013-01-02 00:00:00’), 'Beijing ', ‘100-A’, 23,

5 1200.0],

6 [1002, Timestamp(‘2013-01-03 00:00:00’), ‘SH’, ‘100-B’, 44, nan],

7 [1003, Timestamp(‘2013-01-04 00:00:00’), ’ guangzhou ', ‘110-A’, 54,

8 2133.0],

9 [1004, Timestamp(‘2013-01-05 00:00:00’), ‘Shenzhen’, ‘110-C’, 32,

10 5433.0],

11 [1005, Timestamp(‘2013-01-06 00:00:00’), ‘shanghai’, ‘210-A’, 34,

12 nan],

13 [1006, Timestamp(‘2013-01-07 00:00:00’), 'BEIJING ', ‘130-F’, 32,

14 4432.0]], dtype=object)

查看列名稱(chēng)

Colums 函數(shù)用來(lái)單獨(dú)查看數(shù)據(jù)表中的列名稱(chēng)。

1 #查看列名稱(chēng)

2 df.columns

3

4 Index([‘id’, ‘date’, ‘city’, ‘category’, ‘a(chǎn)ge’, ‘price’], dtype=‘object’)

查看前 10 行數(shù)據(jù)

Head 函數(shù)用來(lái)查看數(shù)據(jù)表中的前 N 行數(shù)據(jù)，默認(rèn) head()顯示前 10 行數(shù)據(jù)，可以自己設(shè)置參數(shù)值來(lái)確定查看的行數(shù)。下面的代碼中設(shè)置查看前 3 行的數(shù)據(jù)。

1#查看前 3 行數(shù)據(jù)``df.head(``3``)

Tail 行數(shù)與 head 函數(shù)相反，用來(lái)查看數(shù)據(jù)表中后 N 行的數(shù)據(jù)，默認(rèn) tail()顯示后 10 行數(shù)據(jù)，可以自己設(shè)置參數(shù)值來(lái)確定查看的行數(shù)。下面的代碼中設(shè)置查看后 3 行的數(shù)據(jù)。

1#查看最后 3 行df.tail(3)

index在python中的用法

如下：

1、index函數(shù)：用于從列表中找出某個(gè)值第一個(gè)匹配項(xiàng)的索引位置。

2、index方法語(yǔ)法：list.index(x[,?start[,?end]])。

3、參數(shù)：x-- 查找的對(duì)象。start-- 可選，查找的起始位置。end-- 可選，查找的結(jié)束位置。

4、返回值：該方法返回查找對(duì)象的索引位置，如果沒(méi)有找到對(duì)象則拋出異常。

5、實(shí)例：

代碼：str1?=?"this?is?string?example....wow!!!"；str2?=?"exam"。

index函數(shù)為print(str1.index(str2))。

python中index函數(shù)怎么用？

Python中index方法檢測(cè)字符串中是否包含子字符串 str ，如果指定 beg（開(kāi)始） 和 end（結(jié)束） 范圍，則檢查是否包含在指定范圍內(nèi)，該方法與 python find方法一樣，只不過(guò)如果str不在string中會(huì)報(bào)一個(gè)異常。

index函數(shù)一般用處是在序列中檢索參數(shù)并返回第一次出現(xiàn)的索引，沒(méi)找到就會(huì)報(bào)錯(cuò)。

像Excel一樣使用Python（一）

在進(jìn)行數(shù)據(jù)處理時(shí)，如果數(shù)據(jù)簡(jiǎn)單，數(shù)量不多，excel是大家的首選。但是當(dāng)數(shù)據(jù)眾多，類(lèi)型復(fù)雜，需要靈活地顯示切片、進(jìn)行索引、以及排序時(shí)，python會(huì)更加方便。借助python中的numpy和pandas庫(kù)，它能快速完成各種任務(wù)，包括數(shù)據(jù)的創(chuàng)建、檢查、清洗、預(yù)處理、提取、篩選、匯總、統(tǒng)計(jì)等。接下來(lái)幾篇文章，將以excel為參照，介紹python中數(shù)據(jù)的處理。

提到pandas，那就不得不提兩類(lèi)重要的數(shù)據(jù)結(jié)構(gòu)，Series和DataFrame，這兩類(lèi)數(shù)據(jù)結(jié)構(gòu)都是建立在numpy的數(shù)組array基礎(chǔ)上。與array相比，Series是一個(gè)一維的數(shù)據(jù)集，但是每個(gè)數(shù)據(jù)元素都帶有一個(gè)索引，有點(diǎn)類(lèi)似于字典。而DataFrame在數(shù)組的基礎(chǔ)上，增加了行索引和列索引，類(lèi)似于Series的字典，或者說(shuō)是一個(gè)列表集。

所以在數(shù)據(jù)處理前，要安裝好numpy , pandas。接下來(lái)就看看如何完成一套完整的數(shù)據(jù)操作。

創(chuàng)建數(shù)據(jù)表的方法分兩種，分別是從外部導(dǎo)入數(shù)據(jù)，以及直接寫(xiě)入數(shù)據(jù)。

在python中，也可外部導(dǎo)入xlsx格式文件，使用read_excel()函數(shù)：

import pandas as pd

from pandas import DataFrame,Series

data=DataFrame(pd.read_excel('c:/python27/test.xlsx'))

print data

輸出：

Gene Size Function

0 arx1 411 NaN

1 arx2 550 monooxygenase

2 arx3 405 aminotransferase

……

即：調(diào)用pandas中read_excel屬性，來(lái)讀取文件test.xlsx，并轉(zhuǎn)換成DataFrame格式，賦給變量data。在每一行后，自動(dòng)分了一個(gè)索引值。除了excel，還支持以下格式文件的導(dǎo)入和寫(xiě)入：

Python寫(xiě)入的方法有很多，但還是不如excel方便。常用的例如使用相等長(zhǎng)度的字典或numpy數(shù)組來(lái)創(chuàng)建：

data1 = DataFrame(

{'Gene':['arx1','arx2','arx3'],

'Size':[411,550,405],

'Func':[np.NaN,'monooxygenase','aminotransferase ']})

print data1

輸出

Func Gene Size

0 NaN arx1 411

1 monooxyg arx2 550

2 amino arx3 405

分配一個(gè)行索引后，自動(dòng)排序并輸出。

在python中，可以使用info()函數(shù)查看整個(gè)數(shù)據(jù)的詳細(xì)信息。

print data.info()

輸出

RangeIndex: 7 entries, 0 to 6

Data columns (total 3 columns):

Gene 7 non-null object

Size 7 non-null int64

Function 5 non-null object

dtypes: int64(1), object(2)

memory usage: 240.0+ bytes

None

此外，還可以通過(guò)shape, column, index, values, dtypes等函數(shù)來(lái)查看數(shù)據(jù)維度、行列組成、所有的值、 數(shù)據(jù)類(lèi)型：

print data1.shape

print data1.index

print data1.columns

print data1.dtypes

輸出

(3, 3)

RangeIndex(start=0, stop=3, step=1)

Index([u'Func', u'Gene', u'Size'], dtype='object')

Func object

Gene object

Size int64

dtype: object

在excel中可以按“F5”，在“定位條件”中選擇“空值”，選中后，輸入替換信息，再按“Ctrl+Enter”即可完成替換。

在python中，使用函數(shù) isnull 和 notnull 來(lái)檢測(cè)數(shù)據(jù)丟失, 包含空值返回True，不包含則返回False。

pd.isnull(data1)

pd.notnull(data1)

也可以使用函數(shù)的實(shí)例方法，以及加入?yún)?shù)，對(duì)某一列進(jìn)行檢查：

print data1['Func'].isnull()

輸出

Func Gene Size

0 True False False

1 False False False

2 False False False

再使用fillna對(duì)空值進(jìn)行填充：

data.fillna(value=0)

#用0來(lái)填充空值

data['Size'].fillna(data1['Size'].mean())

#用data1中Size列的平均值來(lái)填充空值

data['Func']=data['Func'].map(str.strip)

#清理Func列中存在的空格

Excel中可以按“Ctrl+F”，可調(diào)出替換對(duì)話(huà)框，替換相應(yīng)數(shù)據(jù)。

Python中，使用replace函數(shù)替換：

data['Func'].replace('monooxygenase', 'oxidase')

將Func列中的'monooxygenase'替換成'oxidase'。

Excel中，通過(guò)“數(shù)據(jù)-篩選-高級(jí)”可以選擇性地看某一列的唯一值。

Python中，使用unique函數(shù)查看：

print data['Func'].unique()

輸出

[nan u'monooxygenase' u'aminotransferase' u'methyltransferase']

Excel中，通過(guò)UPPER、LOWER、PROPER等函數(shù)來(lái)變成大寫(xiě)、小寫(xiě)、首字母大寫(xiě)。

Python中也有同名函數(shù)：

data1['Gene'].str.lower()

Excel中可以通過(guò)“數(shù)據(jù)-刪除重復(fù)項(xiàng)”來(lái)去除重復(fù)值。

Python中，可以通過(guò)drop_duplicates函數(shù)刪除重復(fù)值：

print data['Func'].drop_duplicates()

輸出

0 NaN

1 monooxygenase

2 aminotransferase

3 methyltransferase

Name: Func, dtype: object

還可以設(shè)置“ keep=’last’ ”參數(shù)，后出現(xiàn)的被保留，先出現(xiàn)的被刪除：

print data['Func'].drop_duplicates(keep='last')

輸出

2 aminotransferase

3 methyltransferase

6 monooxygenase

8 NaN

Name: Func, dtype: object

內(nèi)容參考：

Python For Data Analysis

藍(lán)鯨網(wǎng)站分析博客，作者藍(lán)鯨（王彥平）