python的常用內(nèi)置函數(shù)
目前成都創(chuàng)新互聯(lián)公司已為上千多家的企業(yè)提供了網(wǎng)站建設(shè)、域名、網(wǎng)頁空間、網(wǎng)站托管運營、企業(yè)網(wǎng)站設(shè)計、閩清網(wǎng)站維護等服務，公司將堅持客戶導向、應用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長，共同發(fā)展。
1.abs() 函數(shù)返回數(shù)字的絕對值
abs(-40)=40
2. dict() 函數(shù)用于創(chuàng)建一個字典
dict()
{} ? ? ?#創(chuàng)建一個空字典類似于u={},字典的存取方式一般為key-value
例如u = {"username":"tom", ?"age":18}
3. help() 函數(shù)用于查看函數(shù)或模塊用途的詳細說明
help('math')查看math模塊的用處
a=[1,2,3,4]
help(a)查看列表list幫助信息
4.dir()獲得當前模塊的屬性列表
dir(help)
['__call__', '__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__']
5.min() 方法返回給定參數(shù)的最小值 /參數(shù)可以為序列
a=? min(10,20,30,40)
a
10
6. next() 返回迭代器的下一個項目
it = iter([1, 2, 3, 4, 5])
next(it)
1
next(it)
2
7. id() 函數(shù)用于獲取對象的內(nèi)存地址
a=12
id(a)
1550569552
8.enumerate() 函數(shù)用于將一個可遍歷的數(shù)據(jù)對象(如列表、元組或字符串)組合為一個索引序列，同時列出數(shù)據(jù)和數(shù)據(jù)下標，一般用在 for 循環(huán)當中。
a=["tom","marry","leblan"]
list(enumerate(a))
[(0, 'tom'), (1, 'marry'), (2, 'leblan')]
9. oct() 函數(shù)將一個整數(shù)轉(zhuǎn)換成8進制字符串
oct(15)
'0o17'
oct(10)
'0o12'
10. bin() 返回一個整數(shù) int 或者長整數(shù) long int 的二進制表示
bin(10)
'0b1010'
bin(15)
'0b1111'
11.eval() 函數(shù)用來執(zhí)行一個字符串表達式，并返回表達式的值
eval('2+2')
4
12.int() 函數(shù)用于將一個字符串會數(shù)字轉(zhuǎn)換為整型
int(3)
3
int(3.6)
3
int(3.9)
3
int(4.0)
4
13.open() 函數(shù)用于打開一個文件，創(chuàng)建一個file對象，相關(guān)的方法才可以調(diào)用它進行讀寫
f=open('test.txt')
14.str() 函數(shù)將對象轉(zhuǎn)化為適于人閱讀的形式
str(3)
'3'
15. bool() 函數(shù)用于將給定參數(shù)轉(zhuǎn)換為布爾類型，如果沒有參數(shù)，返回 False
bool()
False
bool(1)
True
bool(10)
True
bool(10.0)
True
16.isinstance() 函數(shù)來判斷一個對象是否是一個已知的類型
a=5
isinstance(a,int)
True
isinstance(a,str)
False
17. sum() 方法對系列進行求和計算
sum([1,2,3],5)
11
sum([1,2,3])
6
18. super() 函數(shù)用于調(diào)用下一個父類(超類)并返回該父類實例的方法。super 是用來解決多重繼承問題的，直接用類名調(diào)用父類方法
class ? User(object):
? def__init__(self):
class Persons(User):
? ? ? ? super(Persons,self).__init__()
19. float() 函數(shù)用于將整數(shù)和字符串轉(zhuǎn)換成浮點數(shù)
float(1)
1.0
float(10)
10.0
20. iter() 函數(shù)用來生成迭代器
a=[1,2,3,4,5,6]
iter(a)
for i in iter(a):
... ? ? ? ? print(i)
...
1
2
3
4
5
6
21.tuple 函數(shù)將列表轉(zhuǎn)換為元組
a=[1,2,3,4,5,6]
tuple(a)
(1, 2, 3, 4, 5, 6)
22.len() 方法返回對象（字符、列表、元組等）長度或項目個數(shù)
s = "playbasketball"
len(s)
14
a=[1,2,3,4,5,6]
len(a)
6
23. property() 函數(shù)的作用是在新式類中返回屬性值
class User(object):
?def __init__(self,name):
? ? ? ? ? self.name = name
def get_name(self):
? ? ? ? ? return self.get_name
@property
?def name(self):
? ? ? ? ?return self_name
24.type() 函數(shù)返回對象的類型
25.list() 方法用于將元組轉(zhuǎn)換為列表
b=(1,2,3,4,5,6)
list(b)
[1, 2, 3, 4, 5, 6]
26.range() 函數(shù)可創(chuàng)建一個整數(shù)列表，一般用在 for 循環(huán)中
range(10)
range(0, 10)
range(10,20)
range(10, 20)
27. getattr() 函數(shù)用于返回一個對象屬性值
class w(object):
... ? ? ? ? ? ? s=5
...
a = w()
getattr(a,'s')
5
28. complex() 函數(shù)用于創(chuàng)建一個復數(shù)或者轉(zhuǎn)化一個字符串或數(shù)為復數(shù)。如果第一個參數(shù)為字符串，則不需要指定第二個參數(shù)
complex(1,2)
(1+2j)
complex(1)
(1+0j)
complex("1")
(1+0j)
29.max() 方法返回給定參數(shù)的最大值，參數(shù)可以為序列
b=(1,2,3,4,5,6)
max(b)
6
30. round() 方法返回浮點數(shù)x的四舍五入值
round(10.56)
11
round(10.45)
10
round(10.45,1)
10.4
round(10.56,1)
10.6
round(10.565,2)
10.56
31. delattr 函數(shù)用于刪除屬性
class Num(object):
...? ? a=1
...? ? b=2
...? ? c=3.
.. print1 = Num()
print('a=',print1.a)
a= 1
print('b=',print1.b)
b= 2
print('c=',print1.c)
c= 3
delattr(Num,'b')
print('b=',print1.b)
Traceback (most recent call last):? File "", line 1, inAttributeError: 'Num' object has no attribute 'b'
32. hash() 用于獲取取一個對象（字符串或者數(shù)值等）的哈希值
hash(2)
2
hash("tom")
-1675102375494872622
33. set() 函數(shù)創(chuàng)建一個無序不重復元素集，可進行關(guān)系測試，刪除重復數(shù)據(jù)，還可以計算交集、差集、并集等。
a= set("tom")
b = set("marrt")
a,b
({'t', 'm', 'o'}, {'m', 't', 'a', 'r'})
ab#交集
{'t', 'm'}
a|b#并集
{'t', 'm', 'r', 'o', 'a'}
a-b#差集
{'o'}
python提供了常用的數(shù)據(jù)結(jié)構(gòu)，其中之一就是set，python中的set是不支持索引的、值不能重復、無需插入的容器。
簡單記錄下set常用的操作函數(shù)：
1.新建一個set：
set("Hello"),這樣會轉(zhuǎn)成單個字符的值進行插入，結(jié)果是'H','e','l','o'，'l'因為重復只能插入一次。
2.增加一個元素：
add()用于增加一個元素值，
update([])，用于增加多個元素值，參數(shù)為list，注意如果用add增加多個值，會報參數(shù)類型錯誤。
3.刪除一個元素：
remove()用于刪除一個set中的元素，這個值在set中必須存在，如果不存在的話，會引發(fā)KeyError錯誤。
discard()用于刪除一個set中的元素，這個值不必一定存在，不存在的情況下刪除也不會觸發(fā)錯誤。
4.隨機刪除函數(shù)：
set提供了一個pop()函數(shù)，這個函數(shù)隨機返回一個元素值，然后把這個值刪除，如果set為空，調(diào)用這個函數(shù)會返回Key錯誤。
5.清空函數(shù)：
clear(),將set全部清空。
6.測試單個元素在集合內(nèi)是否存在：
in 或者 not in 如果需要判斷一個值在集合內(nèi)是否存在，in就能滿足要求，例如2 in set_num 如果存在則返回True，否則返回False。
7.測試兩個集合是否包含，子集操作：
issubset和issuperset，
s1.issubset(s2)? :測試是否?s1?中的每一個元素都在?s2?中,運算符操作為 s1=s2;
s2.issuperset(s1)? :測試是否?s1?中的每一個元素都在?s2?中,運算符操作為 s1=s2;//注意是s2調(diào)用，參數(shù)為s1.
8.集合的并集：
union s1.union(s2)? :返回一個新集合，新集合包含s1,s2的所有元素，等價的運算符為 | 。
9.集合的交集：
intersection，s1.intersection(s2),返回s1和s2中相同部分
10.其他操作：
s1.difference(s2):包含s1中有，但是s2沒有的元素的集合。
s1symmetric_difference(s2)：包含s1和s2中不相同的元素的集合。
以上只是一部分操作的描述，如果有錯誤，敬請指正。
print()函數(shù)用于打印輸出，是python中最常見的一個內(nèi)置函數(shù)。
print()函數(shù)的語法如下：
print(*objects, sep=' ', end='\n', file=sys.stdout, flush=False)。
將＂objects"打印輸出至＂file參數(shù)＂指定的文本流，以＂sep參數(shù)＂分隔開并在末尾加上＂end參數(shù)＂。＂sep"、＂end "、＂file"和＂flush"必須以關(guān)鍵字參數(shù)的形式給出。flush關(guān)鍵字參數(shù)是在phthon3.3版后增加的。
所有非關(guān)鍵字參數(shù)都會被轉(zhuǎn)換為字符串，就像是執(zhí)行了str()一樣，并會被寫入到流，以“sep參數(shù)“且在末尾加上“end參數(shù)“?！皊ep參數(shù)“和“end參數(shù)“都必須為字符串；它們也可以為“None“，這意味著使用默認值。如果沒有給出“objects參數(shù)“，則print()將只寫入“end參數(shù)“。
ython print()函數(shù)：
print()方法用于打印輸出，最常見的一個函數(shù)。
在Python3.3版增加了flush關(guān)鍵字參數(shù)。
print在Python3.x是一個函數(shù)，但在Python2.x版本不是一個函數(shù)，只是一個關(guān)鍵字。
pandas官方文檔:
對常用函數(shù)做了匯總，每個函數(shù)的參數(shù)可能不是全的，但是常用的，不常用的沒總結(jié)，如有問題，請不吝賜教，謝謝！
1、創(chuàng)建Series
? 通用函數(shù)：pd.Series(values,index)
1)pd.Series([1,2,3],index=[‘a(chǎn)’,‘b’,‘c‘])
2)pd.Series(np.array([1,2,3]),index=[‘a(chǎn)’,‘b’,‘c‘])
3)pd.Series({ 'a'：1,? 'b'：2,? 'c'：3})
? ? Series轉(zhuǎn)字典：Series.to_dict()
說明：Series的values參數(shù)是python中常見的一維數(shù)據(jù)類型。
2、屬性
1）Series.values ---array([1,2,3])
? ? ?? Series的values是array類型
2）Series.index---index([‘a(chǎn)’,‘b’,‘c‘])
? ? ?? 未指定index時，自動生成 0-（N-1）的整數(shù)索引，
? ? ?? 指定 index時，使用指定索引。
3、Series的索引與切片
?? Series[0] / Series['a']? : Sereis可以位置索引或標簽索引，也可以進行切片操作
1、創(chuàng)建DataFrame
1) 創(chuàng)建DataFrame的通用函數(shù)：
df = pd.DataFrame(values,index,columns)
pd.dataFrame([[1,2,3],[4,5,6],[7,8,9]],index=['a','b','c'],columns=['bj','sh','sz'])
pd.dataFrame(np.arange(1,10).reshape(3,3),index=['a','b','c'],columns=['bj','sh','sz'])
pd.dataFrame('bj':[1,4,7],'sh':[2,5,8],'sz':[3,6,9],index=['a','b','c'])
說明：創(chuàng)建方法與Sries類似，Series的values參數(shù)是python中常見的一維數(shù)據(jù)類型，DataFrame的values參數(shù)是python中常見的二維數(shù)據(jù)類型。
2) 通過網(wǎng)頁中復制數(shù)據(jù)快捷創(chuàng)建
? ? import webbrowser
? ? link = ''
? ? webbrowser.open(link)
? ? 打開界面進行復制，將數(shù)據(jù)復制到粘貼板中
? ? df = pd.read_clipboard() ? #從粘貼板中讀取數(shù)據(jù)
3）通過Series創(chuàng)建DataFrame
? ? df = pd.DataFrame([s1,s2,s3],columns=['bj','sh','sz'])
? ? 注意：單獨的s1,s2,s3是縱向排列的的Series，但是在DataFrame中是橫向排列的。
? ? 自己總結(jié)：Series除了打印出來是Series格式外，其他時候可以直接當作list來操作。
2、屬性
1)df.columns
? ? 通過columns生成新的DataFrame
? ? df_new = pd.DataFrame(df,columns=['x1','x2'])
? ? 或者df_new = df[['x1','x2']]
2)df.shape? 顯示行列數(shù)
3)df.head() ? 默認顯示前5行
4)df.tail() ? ? 默認顯示后5行
3、獲取DataFrame的列
1）獲取DataFrame某一列
? ? ? df.x1或df['x1']:返回值是Series,可以理解為一個DataFrame是由多個Series組成的。
? 2) 獲取DataFrame某幾列
? ? ? df_new = df[['x1','x2','x3']]
4、為某列賦值
? 1) df['x1'] = range(10)
? 2) df['x1'] = numpy.arange(10)
? 3) df['x1'] = pd.Series(np.arange(10))
? 說明：類似于創(chuàng)建Series
5、為某列對應的特定行重新賦值
? ? df['x1'] = pd.Series([2,3],index=[0,1])
? ? 將列為x1,行索引為0和1的值改為2,3
6、獲取DadaFrame的行
? for row in DataFrame.iterrows():
? ? ? ? ? print(row[0],row[1])
? #每個row是一個元祖，包含2個元素，row[0]是整型索引，row[1]是Series,所以從行的角度也可以看出，一個DataFrame是由多個Series組成的。
7、DataFrame的轉(zhuǎn)置
? df_new = df.T
1、粘貼板的io
? df = pd.read_clipboard()
? df.to_clipboard()
2、csv的io
?? df.to_csv('xxx.csv')
?? df = pd.read_csv('xxx.csv')
3、json的io
?? df.to_json()
?? pd.read_json(df.to_json())
4、excel的io
? ? df.to_excel('xx.xlsx')
? ? df = pd.read_excel('xx.xlsx')
5、df = pd.read_sql('')
? ? df.to_sql('')
1、iloc
? sub_df = df.iloc[10:20,:]? 選取DataFrame的10-20行，所有列數(shù)據(jù)
? sub_df = df.iloc[10:20,0:2]
? 說明：iloc函數(shù)是位置索引，與索引的名字無關(guān)。
2、loc
? sub_df = df.loc[10:20,:'movie_name']
? 說明：loc是標簽索引，10,20，'movie_name'? 都是索引名字，與位置無關(guān)。
1、Series.reindex(index=['x1','x2','x3'],fill_value=10)
? 將df重新索引，并且將NaN空值用10進行填充
2、Series.reindex(index=range(15),method='ffill')
前項填充，后面的值用前面的值進行填充
通過reindex想到，如果想新增一個空列或者空行，可以用reindex方法,同樣地，想減少某些行或者某些列，也可以用reindex方法。
? 繼reindex之后刪除行列的函數(shù)操作
? Series.drop('A') ? #刪除'A'所對應的值
? DataFrame.drop(label,axis)?
? label可以是行名也可以是列名，label是行的話axis是0，label是列的話axis是1。
** 刪除行還可以用 del df['A']
nan是numpy的一種數(shù)據(jù)類型，np.nan,float類型
任何數(shù)據(jù)與nan的運算結(jié)果都是nan
1、nan in Series
? Series.isnull()? --返回value為True或者False的Series
? Series.notnull()? --返回value為True或者False的Series
? Series.dropna()? --返回刪除nan值后的Series
? Series.fillna(method='ffill')? --前項插值，按照前面的值填充后面的空值
2、nan in DataFrame
? df.isnull()? --返回value為True或者False的DataFrame
? df.notnull()? --返回value為True或者False的DataFrame
? df.dropna(axis=0/1,how='any/all'，thresh=None)
? 說明：axis表示刪除行為nan或者列為nan；
? ? ? ? ? ? any表示只要有一個為空，all表示行中的每個元素或者列中的每個元素為空；
? ? ? ? ? ? thresh是閾值的意思，表示某行或者某列nan的個數(shù)達到閾值的個數(shù)時才刪除該行或該列。
? df.fillna(value=1)? ---所有的空值都填充為1
? df.fillna(value={0:0,1:1,2:2}) ---將0列的空值填為0,1列的空值填為1,2列的空值填為2，默認為填充列
? 注意：fillna和dropna的特點，生成新的DataFrame,原來的DataFrame不變。
1、多重索引介紹
Series = pd.Series(np.random.randn(6),index=[['1','1','1','2','2','2'],['a','b','c','a','b','c']])
'1','2'為一級索引，'a','b','c'為二級索引
df 可以看做是索引的'1','2'的Series
Series['1']? --Series
Series['1']['a']? --value
Series[:,'a'] --選擇'1'和'2'中的'a'對應的值
2、多重索引格式轉(zhuǎn)為二維DataFrame
df = Series.unstack() --轉(zhuǎn)為二維DataFrame
3、多重索引在DataFrame中的操作
1、 map函數(shù)與apply函數(shù)、applymap函數(shù)的區(qū)別：
? 1）map函數(shù)對Series中的每個元素作用；
? 2）applymap函數(shù)對DataFrame中的每個元素作用；
? 3）apply函數(shù)對對DataFrame和Series的一列做整體運算。
2、Series.replace(to_replace=[2,3,4],values=[20,30,40])? 替換Series中多個值
Series.replace({1:10,2:20})? 將索引為1的值替換為10，將索引為2的值替換為20
df.sum()? --默認按照列進行求和,nan的值被忽略
df.min()? --默認按照列求最小值
df.max()? --默認按照列求最大值
df.mean()? --默認按照列求平均值
df.describe()? --默認按照列進行描述
df.sum(axis=1)? --按行求和，nan的值被忽略
#axis=0表示對橫軸進行操作，但是運算中表現(xiàn)為縱軸操作
#axis=1表示對縱軸進行操作，但是運算中表現(xiàn)為橫軸操作
bins = [0,59,70,80,100],bins是分割范圍
score_cat = pd.cut(Series,bins)? ---得到catgory類型的數(shù)據(jù)
DataFrame的分箱技術(shù)很棒?。?/p>
pd['catgory'] = pd.cut(df['a'],bins=[0,59,70,80,100],labels=['low','ok','good','great'])
--新增一列，將a列的值按照labels進行分類標記，good!!!
#生成長度為3的隨機字符串? pd.util.testing.rands(3)
1、按照一列分組
? g = df.groupby('city')
? g是分組類型數(shù)據(jù)，打印不出來，所以看不到，但是有屬性和方法可以間接的了解
1） g.groups? --得到分的幾個組，和每個組包含的索引
2）g.get_group('BJ')? --得到'BJ'所對應的組
3）groupby = split +apply +combine
? ? ?? g.mean()? --求每組的平均值
? ? ?? g.max() ? --求每組的最大值
? ? ?? g.min() ? --求每組的最小值
? ? ?? g.count()
? ? ?? g.describe()
? 4）g是一個可迭代對象，可以用list函數(shù)將其轉(zhuǎn)化為list
? ? ? list(g) -- [('組名1',DataFrame1),('組名2',DataFrame2),(),()]
? ? ? dict(list(g))? --將其轉(zhuǎn)化為字典
? 同時可以通過for循環(huán)進行遍歷操作：for item,desc in g:print(item,desc)
? #怪不得分組后不是DataFrame，因為元組的第一個元素是'分組名'。
2、按照多列分組
? g_new = df.groupby(['city','wind'])
? 得到生成器((('分組1','分組2'),DataFrame),(),()...)
? g_new.get_group(('分組1','分組2'))
? for (name_1,name_2),group in g_new:
? ? ? ? ? print((name_1,name_2),group)
g.mean()? --求每組的平均值
與g.agg('mean')方法一樣
pd.pivot_table(df,index=['',''],aggfuc='sum',values=['',''])
index是分組的組名，values是透視表呈現(xiàn)結(jié)果的列，columns是values下的分解
#感覺透視表呈現(xiàn)的結(jié)果就是groupby+agg后的結(jié)果
#分析者需要對數(shù)據(jù)結(jié)構(gòu)有一定的了解
df.sort_values(by='',ascending=True/False)[:10]? df可以索引
df.value_counts()? --按值計數(shù)
df.['a'] = df['b'].apply(lambda x:x0)? --DataFrame中的True/False
通過g.size()可以看到被groupby之后的數(shù)據(jù)，得到的是一個Series
1、Series的排序：
1）對值進行排序
Series.sort_values()? ---直接對Series的值進行排序
2）通過索引進行排序
Series.sort_index()?
#默認都是升序排列
2、DataFrame的排序
df.sort_values(by='')? --按照某列的順序進行排序
df['a'].sort_values()? --返回對a列數(shù)據(jù)的排序結(jié)果，只返回a列
1、df.index = Series(['a','b','c'])? 直接對index賦予新值
2、df.index = df.index.map(str.upper)
map函數(shù)中只傳入新的函數(shù)名即可
3、df.rename(index=str.upper,columns=str.lower)
? 或者傳遞字典，進行一一轉(zhuǎn)換
pd.merge(df1,df2,on=None,how='left/right/inner/outer')
pd.merge(df1,df2)? --沒有on參數(shù)默認先找相同的columns,然后在columns下找相同的values
pd.merge(df1,df2,on='columns')? --on參數(shù)是指按照指定列進行merge
left:表示以左邊的數(shù)據(jù)表為基準，進行填充右面的數(shù)據(jù)
right:表示以右邊的數(shù)據(jù)表為基準，填充左邊的數(shù)據(jù)
outer:以on的指定列的所有值為基準，填充兩邊的數(shù)據(jù)
inner:默認inner,相同on指定的columns下的相同values對應的左右兩邊的數(shù)據(jù)
1、concat拼接
pd.concat([Series1,Series2])
pd.concat([df1,df2])? -- 上下疊加，將沒有的列進行填充
2、combine組合
Series1.combine_first(Series2)? --用Series2的值去填充Series1中為空的值
df1.combine_first(df2)? ---用df2將df1中的空值填充
df['A'] = df['A'].apply(str.upper)? ---apply函數(shù)中也只輸入函數(shù)名
len(df)? --求df的長度
len(df['a'].unique())? --查看a列中不重復數(shù)據(jù)的多少
Series.duplicated()? --返回一列True/False的Series
Series.drop_duplicates()? --刪除重復值
df.drop_duplicates('a',keep='first/last')
df.drop_duplicates()? --刪除完全重復的行
參數(shù)：'a'表示以a列為基準，刪除重復值
? ? ? ? ? first表示保留第一個，last表示保留最后一個
data_list = pd.date_range(start,end,period='D',freq)
period='D',以天為單位
freq = 'W' 以周為單位
freq = 'W-Mon'以每周一位單位
freq = '5H'? 以5h為單位
以data_range作為索引提取數(shù)據(jù)比較簡單
df[datetime(2017,9,1)]
df['2017-09-01']
df['20170901']
df['201709']
對時間序列數(shù)據(jù)進行分組聚合操作：
s1.resample('M').mean()? --以月為單位進行采樣，然后求每組的平均值
s1.resample('H').ffill()? --前項填充
s1.resample('H').bfill()? --后項填充
補充：1）jupyter中可以執(zhí)行l(wèi)inux命令，太棒了！
? ? ? ? ? ? !ls
? ? ? ? ? ? !more xxx.csv
? ? ? ? ? ? !pwd? 等等
? ? ?? 2）jupyter 查看函數(shù)幫助的快捷鍵：摁住shift + tab? 棒！??！
1.1 例如：print(hex(2))案例
1.2 輸出函數(shù)：print(hex(2))
1.3 輸出結(jié)果：0x2
1.4 解析說明：返回16進制的數(shù)。
2.1 例如：print(chr(10))案例
2.2 輸出函數(shù)：print(chr(10))
2.3 輸出結(jié)果：0o12
2.4 解析說明：返回當前整數(shù)對應的ASCll碼
3.1 例如：print(ord("b"))案例
3.2 輸出函數(shù)：print(ord("b"))
3.3 輸出結(jié)果：98
3.4 解析說明：返回當前ASCll碼的10進制數(shù)
4.1 例如：print(chr(97))
4.2 輸出函數(shù)：print(chr(97))
4.3 輸出結(jié)果：b
4.4 解析說明：返回當前ASCll碼的10進制數(shù)。
案例一：給你一個字符串,s = 'hello kitty'
1.1 輸出函數(shù)：print(s.capitalize())
1.2 輸出結(jié)果：0x2
1.3 解析說明：返回16進制的數(shù)。
2.1輸出函數(shù)：print(s.replace('kitty','kuang'))
2.2 輸出結(jié)果：hello kuang
2.3 解析說明：替換功能，將kitty換成kuang。
2.4 輸出函數(shù)：print(s.replace('4','KK'))
2.5 輸出結(jié)果：12KK12KK
2.6 解析說明：所有的4都替換成KK
2.7 輸出函數(shù)：print(s.replace('4','KK'))
2.8 輸出結(jié)果：12KK12KK124
2.9 解析說明：將前兩個的4替換成go
案例一：給你一個字符串，ip = '192.168.1.1'
3.1 輸出函數(shù)：print(ip.split(','))
3.2 輸出結(jié)果：['192.168.1.1']
3.3 解析說明：將字符串分割成列表
案例一：給你一個字符串，ip = '192.168.1.1'
3.3 輸出函數(shù)：print(ip.split(',',2))
3.4 輸出結(jié)果：['192.168.1.1']
3.5 解析說明：從第二個開始分割成列表
重慶分公司
重慶分公司
