68 個 Python 內(nèi)置函數(shù)詳解

內(nèi)置函數(shù)就是Python給你提供的，拿來直接用的函數(shù)，比如print.，input等。

創(chuàng)新互聯(lián)公司是一家專注于成都網(wǎng)站設(shè)計、網(wǎng)站制作、外貿(mào)營銷網(wǎng)站建設(shè)與策劃設(shè)計,古交網(wǎng)站建設(shè)哪家好?創(chuàng)新互聯(lián)公司做網(wǎng)站,專注于網(wǎng)站建設(shè)十多年,網(wǎng)設(shè)計領(lǐng)域的專業(yè)建站公司;建站業(yè)務(wù)涵蓋:古交等地區(qū)。古交做網(wǎng)站價格咨詢:028-86922220

截止到python版本3.6.2 ，python一共提供了68個內(nèi)置函數(shù)，具體如下

本文將這68個內(nèi)置函數(shù)綜合整理為12大類，正在學(xué)習(xí)Python基礎(chǔ)的讀者一定不要錯過，建議收藏學(xué)習(xí)！

（1）列表和元組

（2）相關(guān)內(nèi)置函數(shù)

（3）字符串

frozenset 創(chuàng)建一個凍結(jié)的集合，凍結(jié)的集合不能進行添加和刪除操作。

語法：sorted(Iterable, key=函數(shù)(排序規(guī)則), reverse=False)

語法：fiter(function. Iterable)

function: 用來篩選的函數(shù). 在?lter中會自動的把iterable中的元素傳遞給function. 然后根據(jù)function返回的True或者False來判斷是否保留留此項數(shù)據(jù) , Iterable: 可迭代對象

搜索公眾號頂級架構(gòu)師后臺回復(fù)“面試”，送你一份驚喜禮包。

語法 : map(function, iterable)

可以對可迭代對象中的每一個元素進行映射. 分別去執(zhí)行 function

hash : 獲取到對象的哈希值(int, str, bool, tuple). hash算法:(1) 目的是唯一性 (2) dict 查找效率非常高, hash表.用空間換的時間 比較耗費內(nèi)存

python查詢dataframe的索引是否是唯一性時只要寫df.index.is_unique 就可以？

是的，

判斷列索引是不是重復(fù)

print(data.index.is_unique)

False#表示有重復(fù).

后面這個index. duplicate()是一個函數(shù)，他會返回每一個index是否有重復(fù)的情況。

怎樣用python3.4編程判斷函數(shù)，例如奇偶函數(shù)的判斷，主要是自己能夠任意輸入函數(shù)，讓pytho

i?=?input('Input?number:?')

if?int(i)?%?2?==?1:

print('奇數(shù)')

else:

print('偶數(shù)')

python中如何將表中的數(shù)據(jù)做成一張表,然后再從中取出數(shù)據(jù)？

第一部分是生成數(shù)據(jù)表，常見的生成方法有兩種，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)庫和文本文件和頁面的多種數(shù)據(jù)源導(dǎo)入。

獲取外部數(shù)據(jù)

python 支持從多種類型的數(shù)據(jù)導(dǎo)入。在開始使用 python 進行數(shù)據(jù)導(dǎo)入前需要先導(dǎo)入 pandas 庫，為了方便起見，我們也同時導(dǎo)入 numpy 庫。

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。代碼是最簡模式，里面有很多可選參數(shù)設(shè)置，例如列名稱，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

另一種方法是通過直接寫入數(shù)據(jù)來生成數(shù)據(jù)表，excel 中直接在單元格中輸入數(shù)據(jù)就可以，python 中通過下面的代碼來實現(xiàn)。生成數(shù)據(jù)表的函數(shù)是 pandas 庫中的 DateFrame 函數(shù)，數(shù)據(jù)表一共有 6 行數(shù)據(jù)，每行有 6 個字段。在數(shù)據(jù)中我們特意設(shè)置了一些 NA 值和有問題的字段，例如包含空格等。后面將在數(shù)據(jù)清洗步驟進行處理。后面我們將統(tǒng)一以 DataFrame 的簡稱 df 來命名數(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)量通常會比較大，所以就需要我們對數(shù)據(jù)表進行檢查。比如我們之前的文章中介紹的紐約出租車數(shù)據(jù)和 Citibike 的騎行數(shù)據(jù)，數(shù)據(jù)量都在千萬級，我們無法一目了然的了解數(shù)據(jù)表的整體情況，必須要通過一些方法來獲得數(shù)據(jù)表的關(guān)鍵信息。數(shù)據(jù)表檢查的另一個目的是了解數(shù)據(jù)的概況，例如整個數(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 CTRL 向下的光標(biāo)鍵，和 CTRL 向右的光標(biāo)鍵來查看行號和列號。Python 中使用 shape 函數(shù)來查看數(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，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 中通過選中單元格并查看開始菜單中的數(shù)值類型來判斷數(shù)據(jù)的格式。Python 中使用 dtypes 函數(shù)來返回數(shù)據(jù)格式。

Dtypes 是一個查看數(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，也可以指定一列來單獨查看。

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”功能對數(shù)據(jù)表中的空值進行定位。“定位條件”在“開始”目錄下的“查找和選擇”目錄中。

Isnull 是 Python 中檢驗空值的函數(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。可以對整個數(shù)據(jù)表進行檢查，也可以單獨對某一列進行空值檢查。

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”對唯一值進行顏色標(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)，只能對數(shù)據(jù)表中的特定列進行檢查。下面是代碼，返回的結(jié)果是該列中的唯一值。類似與 Excel 中刪除重復(fù)項后的結(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

Colums 函數(shù)用來單獨查看數(shù)據(jù)表中的列名稱。

1 #查看列名稱

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)