python如何替換shp字段內(nèi)容

python實現(xiàn)字符串替換時，可利用replace函數(shù)來實現(xiàn)，

讓客戶滿意是我們工作的目標，不斷超越客戶的期望值來自于我們對這個行業(yè)的熱愛。我們立志把好的技術通過有效、簡單的方式提供給客戶，將通過不懈努力成為客戶在信息化領域值得信任、有價值的長期合作伙伴，公司提供的服務項目有：主機域名、網(wǎng)站空間、營銷軟件、網(wǎng)站建設、雙峰網(wǎng)站維護、網(wǎng)站推廣。

具體代碼為：stringold.replace（strfrom,strto），其中stringold就是需要更改的字符串，strfrom是需要替換的子字符串，strto是需要轉換成的子字符串。Python是一種跨平臺的計算機程序設計語言，也是一種面向對象的動態(tài)類型語言，最初被設計用于編寫自動化腳本。隨著版本的不斷更新和語言新功能的添加，越來越多被用于獨立的.大型項目的開發(fā)。Python語言具有簡潔性.易讀性以及可擴展性，在國外用Python做科學計算的研究機構日益增多，一些知名大學已經(jīng)采用Python來教授程序設計課程。

Python pandas用法

在Python中，pandas是基于NumPy數(shù)組構建的，使數(shù)據(jù)預處理、清洗、分析工作變得更快更簡單。pandas是專門為處理表格和混雜數(shù)據(jù)設計的，而NumPy更適合處理統(tǒng)一的數(shù)值數(shù)組數(shù)據(jù)。

使用下面格式約定，引入pandas包：

pandas有兩個主要數(shù)據(jù)結構：Series和DataFrame。

Series是一種類似于一維數(shù)組的對象，它由 一組數(shù)據(jù) （各種NumPy數(shù)據(jù)類型）以及一組與之相關的 數(shù)據(jù)標簽（即索引） 組成，即index和values兩部分，可以通過索引的方式選取Series中的單個或一組值。

pd.Series(list,index=[ ]) ，第二個參數(shù)是Series中數(shù)據(jù)的索引，可以省略。

Series類型索引、切片、運算的操作類似于ndarray，同樣的類似Python字典類型的操作，包括保留字in操作、使用.get()方法。

Series和ndarray之間的主要區(qū)別在于Series之間的操作會根據(jù)索引自動對齊數(shù)據(jù)。

DataFrame是一個表格型的數(shù)據(jù)類型，每列值類型可以不同，是最常用的pandas對象。DataFrame既有行索引也有列索引，它可以被看做由Series組成的字典（共用同一個索引）。DataFrame中的數(shù)據(jù)是以一個或多個二維塊存放的（而不是列表、字典或別的一維數(shù)據(jù)結構）。

pd.DataFrame(data,columns = [ ],index = [ ]) ：columns和index為指定的列、行索引，并按照順序排列。

如果創(chuàng)建時指定了columns和index索引，則按照索引順序排列，并且如果傳入的列在數(shù)據(jù)中找不到，就會在結果中產(chǎn)生缺失值：

數(shù)據(jù)索引 ：Series和DataFrame的索引是Index類型，Index對象是不可修改，可通過索引值或索引標簽獲取目標數(shù)據(jù)，也可通過索引使序列或數(shù)據(jù)框的計算、操作實現(xiàn)自動化對齊。索引類型index的常用方法：

重新索引 ：能夠改變、重排Series和DataFrame索引，會創(chuàng)建一個新對象，如果某個索引值當前不存在，就引入缺失值。

df.reindex(index, columns ,fill_value, method, limit, copy ) ：index/columns為新的行列自定義索引；fill_value為用于填充缺失位置的值；method為填充方法，ffill當前值向前填充，bfill向后填充；limit為最大填充量；copy 默認True，生成新的對象，F(xiàn)alse時，新舊相等不復制。

刪除指定索引 ：默認返回的是一個新對象。

.drop() ：能夠刪除Series和DataFrame指定行或列索引。

刪除一行或者一列時，用單引號指定索引，刪除多行時用列表指定索引。

如果刪除的是列索引，需要增加axis=1或axis='columns'作為參數(shù)。

增加inplace=True作為參數(shù)，可以就地修改對象，不會返回新的對象。

在pandas中，有多個方法可以選取和重新組合數(shù)據(jù)。對于DataFrame，表5-4進行了總結

適用于Series和DataFrame的基本統(tǒng)計分析函數(shù) ：傳入axis='columns'或axis=1將會按行進行運算。

.describe() ：針對各列的多個統(tǒng)計匯總，用統(tǒng)計學指標快速描述數(shù)據(jù)的概要。

.sum() ：計算各列數(shù)據(jù)的和

.count() ：非NaN值的數(shù)量

.mean( )/.median() ：計算數(shù)據(jù)的算術平均值、算術中位數(shù)

.var()/.std() ：計算數(shù)據(jù)的方差、標準差

.corr()/.cov() ：計算相關系數(shù)矩陣、協(xié)方差矩陣，是通過參數(shù)對計算出來的。Series的corr方法用于計算兩個Series中重疊的、非NA的、按索引對齊的值的相關系數(shù)。DataFrame的corr和cov方法將以DataFrame的形式分別返回完整的相關系數(shù)或協(xié)方差矩陣。

.corrwith() ：利用DataFrame的corrwith方法，可以計算其列或行跟另一個Series或DataFrame之間的相關系數(shù)。傳入一個Series將會返回一個相關系數(shù)值Series（針對各列進行計算），傳入一個DataFrame則會計算按列名配對的相關系數(shù)。

.min()/.max() ：計算數(shù)據(jù)的最小值、最大值

.diff() ：計算一階差分，對時間序列很有效

.mode() ：計算眾數(shù)，返回頻數(shù)最高的那（幾）個

.mean() ：計算均值

.quantile() ：計算分位數(shù)（0到1）

.isin() ：用于判斷矢量化集合的成員資格，可用于過濾Series中或DataFrame列中數(shù)據(jù)的子集

適用于Series的基本統(tǒng)計分析函數(shù)，DataFrame[列名]返回的是一個Series類型。

.unique() ：返回一個Series中的唯一值組成的數(shù)組。

.value_counts() ：計算一個Series中各值出現(xiàn)的頻率。

.argmin()/.argmax() ：計算數(shù)據(jù)最大值、最小值所在位置的索引位置（自動索引）

.idxmin()/.idxmax() ：計算數(shù)據(jù)最大值、最小值所在位置的索引（自定義索引）

pandas提供了一些用于將表格型數(shù)據(jù)讀取為DataFrame對象的函數(shù)。下表對它們進行了總結，其中read_csv()、read_table()、to_csv()是用得最多的。

在數(shù)據(jù)分析和建模的過程中，相當多的時間要用在數(shù)據(jù)準備上：加載、清理、轉換以及重塑。

在許多數(shù)據(jù)分析工作中，缺失數(shù)據(jù)是經(jīng)常發(fā)生的。對于數(shù)值數(shù)據(jù)，pandas使用浮點值NaN（np.nan）表示缺失數(shù)據(jù)，也可將缺失值表示為NA（Python內(nèi)置的None值）。

替換值

.replace(old, new) ：用新的數(shù)據(jù)替換老的數(shù)據(jù)，如果希望一次性替換多個值，old和new可以是列表。默認會返回一個新的對象，傳入inplace=True可以對現(xiàn)有對象進行就地修改。

刪除重復數(shù)據(jù)

利用函數(shù)或字典進行數(shù)據(jù)轉換

df.head()：查詢數(shù)據(jù)的前五行

df.tail()：查詢數(shù)據(jù)的末尾5行

pandas.cut()

pandas.qcut() 基于分位數(shù)的離散化函數(shù)?；谥然蚧跇颖痉治粩?shù)將變量離散化為等大小桶。

pandas.date_range() 返回一個時間索引

df.apply() 沿相應軸應用函數(shù)

Series.value_counts() 返回不同數(shù)據(jù)的計數(shù)值

df.aggregate()

df.reset_index() 重新設置index，參數(shù)drop = True時會丟棄原來的索引，設置新的從0開始的索引。常與groupby()一起用

numpy.zeros()

python中提供的數(shù)據(jù)類型轉換函數(shù)有哪些,作用是什么?

作用就是把合理的數(shù)據(jù)轉換為需要的類型。int()整數(shù)，float()浮點數(shù)，str()字符串，list()列表，tuple()元組，set()集合……

比如a='12'這個是字符串類型，用int函數(shù)a=int(a)這時變量a就是整型，字符串'12'變?yōu)榱苏麛?shù)12。Python沒有變量聲明的要求，變量的屬性在賦值時確定，這樣變量的類型就很靈活。

有一種題目判斷一個整數(shù)是否回文數(shù)，用字符串來處理就很簡單

a=1234321#整數(shù)

if str(a)==str(a)[::-1]:#借助字符串反轉比較就可以確定是否回文數(shù)。

還比如元組b=(1,3,2,4)，元組是不可以更新刪除排序成員的，但是列表是可以的，通過列表函數(shù)進行轉換來實現(xiàn)元組的更新刪除和排序。

b=(1,3,2,4)

b=list(b)

b.sort()

b=tuple(b)

這時得到的元組b就是一個升序的元組(1,2,3,4)

再比如你要輸入創(chuàng)建整數(shù)列表或者整數(shù)元組基本上寫法相同，就是用對應的函數(shù)來最后處理。

ls=list(map(int,input().split()))#這個就是列表

tup=tuple(map(int,input().split()))#這個就是元組

再比如有個叫集合的，集合有唯一性，可以方便用來去重。

ls=[1,2,3,1,2,3,1,2,3]

ls=list(set(ls))#通過set()去重后，現(xiàn)在的ls里就是[1,2,3]去重后的列表。

在做測試自動化時，python數(shù)據(jù)類型轉換函數(shù)有幾種？

在python中的數(shù)據(jù)類型轉換函數(shù)共有五類:

1.float(x) 將x轉換為一個浮點數(shù),x如果是一個字符串, 必須是數(shù)字類型的字符串

2.int(x) 將x轉換為一個整數(shù), x如果是一個字符串,必須是數(shù)字類型的字符串

3.str(x) 把x轉換為字符串類型, 任意數(shù)據(jù)類型都可以轉換為字符串

4.list(x) 把序列數(shù)據(jù)x轉為列表（注意：字典沒有順序，不是序列數(shù)據(jù)）

5.tuple(x) 把序列數(shù)據(jù)x轉為元組（字典沒有順序，不是序列數(shù)據(jù)）

你可以多去黑馬程序員視頻庫看看，里面這樣的知識點特別多