Python常用函數(shù)三有哪些？這7個函數(shù)使用頻率最高，總算搞明白了

1.1 例如：print(hex(2))案例

創(chuàng)新互聯(lián)公司于2013年開始，是專業(yè)互聯(lián)網(wǎng)技術服務公司，擁有項目網(wǎng)站設計、網(wǎng)站制作網(wǎng)站策劃，項目實施與項目整合能力。我們以讓每一個夢想脫穎而出為使命，1280元淮陽做網(wǎng)站,已為上家服務,為淮陽各地企業(yè)和個人服務,聯(lián)系電話:13518219792

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

python里面有哪些自帶函數(shù)？

python系統(tǒng)提供了下面常用的函數(shù)：

1. 數(shù)學庫模塊（math）提供了很多數(shù)學運算函數(shù)；

2.復數(shù)模塊（cmath）提供了用于復數(shù)運算的函數(shù)；

3.隨機數(shù)模塊（random）提供了用來生成隨機數(shù)的函數(shù)；

4.時間（time）和日歷（calendar）模塊提供了能處理日期和時間的函數(shù)。

注意：在調(diào)用系統(tǒng)函數(shù)之前，先要使用import 語句導入 相應的模塊

該語句將模塊中定義的函數(shù)代碼復制到自己的程 序中，然后就可以訪問模塊中的任何函數(shù)，其方 法是在函數(shù)名前面加上“模塊名.”。

希望能幫到你。

python函數(shù)有哪些

1、print()函數(shù)：打印字符串;

2、raw_input()函數(shù)：從用戶鍵盤捕獲字符;

3、len()函數(shù)：計算字符長度;

4、format()函數(shù)：實現(xiàn)格式化輸出;

5、type()函數(shù)：查詢對象的類型;

6、int()函數(shù)、float()函數(shù)、str()函數(shù)等：類型的轉(zhuǎn)化函數(shù);

7、id()函數(shù)：獲取對象的內(nèi)存地址;

8、help()函數(shù)：Python的幫助函數(shù);

9、s.islower()函數(shù)：判斷字符小寫;

10、s.sppace()函數(shù)：判斷是否為空格;

11、str.replace()函數(shù)：替換字符;

12、import()函數(shù)：引進庫;

13、math.sin()函數(shù)：sin()函數(shù);

14、math.pow()函數(shù)：計算次方函數(shù);

15、os.getcwd()函數(shù)：獲取當前工作目錄;

16、listdir()函數(shù)：顯示當前目錄下的文件;

17、time.sleep()函數(shù)：停止一段時間;

18、random.randint()函數(shù)：產(chǎn)生隨機數(shù);

19、range()函數(shù)：返回一個列表，打印從1到100;

20、file.read()函數(shù)：讀取文件返回字符串;

21、file.readlines()函數(shù)：讀取文件返回列表;

22、file.readline()函數(shù)：讀取一行文件并返回字符串;

23、split()函數(shù)：用什么來間隔字符串;

24、isalnum()函數(shù)：判斷是否為有效數(shù)字或字符;

25、isalpha()函數(shù)：判斷是否全為字符;

26、isdigit()函數(shù)：判斷是否全為數(shù)字;

27、 lower()函數(shù)：將數(shù)據(jù)改成小寫;

28、upper()函數(shù)：將數(shù)據(jù)改成大寫;

29、startswith(s)函數(shù)：判斷字符串是否以s開始的;

30、endwith(s)函數(shù)：判斷字符串是否以s結(jié)尾的;

31、file.write()函數(shù)：寫入函數(shù);

32、file.writeline()函數(shù)：寫入文件;

33、abs()函數(shù)：得到某數(shù)的絕對值;

34、file.sort()函數(shù)：對書數(shù)據(jù)排序;

35、tuple()函數(shù)：創(chuàng)建一個元組;

36、find()函數(shù)：查找 返回的是索引;

37、dict()函數(shù)：創(chuàng)建字典;

38、clear()函數(shù)：清楚字典中的所有項;

39、copy()函數(shù)：復制一個字典，會修改所有的字典;

40、 get()函數(shù)：查詢字典中的元素。

…………

Python中的常用內(nèi)置函數(shù)有哪些呢？

abs() divmod() input() open() staticmethod()

all() enumerate() int() ord() str()

any() eval() isinstance() pow() sum()

basestring() execfile() issubclass() print() super()

bin() file() iter() property() tuple()

bool() filter() len() range() type()

bytearray() float() list() raw_input() unichr()

callable() format() locals() reduce() unicode()

chr() frozenset() long() reload() vars()

classmethod() getattr() map() repr() xrange()

cmp() globals() max() reverse() zip()

compile() hasattr() memoryview() round() __import__()

complex() hash() min() set()

delattr() help() next() setattr()

dict() hex() object() slice()

dir() id() oct() sorted()

python內(nèi)置函數(shù)有哪些

python常見的內(nèi)置函數(shù)有：

1. abs()函數(shù)返回數(shù)字的絕對值。

2. all() 函數(shù)用于判斷給定的參數(shù)中的所有元素是否都為 TRUE，如果是返回 True，否則返回 False。元素除了是 0、空、None、False 外都算 True；空元組、空列表返回值為True。

3. any() 函數(shù)用于判斷給定的參數(shù)是否全部為False，是則返回False，如果有一個為True，則返回True。 元素除了是 0、空、False外都算 TRUE。

4. bin()函數(shù)返回一個整數(shù)int或者長整數(shù)long int的二進制表示。

5. bool() 函數(shù)用于將給定參數(shù)轉(zhuǎn)換為布爾類型，如果參數(shù)不為空或不為0，返回True；參數(shù)為0或沒有參數(shù)，返回False。

6. bytearray()方法返回一個新字節(jié)數(shù)組。這個數(shù)組里的元素是可變的，并且每個元素的值范圍: 0 = x 256（即0-255）。即bytearray()是可修改的二進制字節(jié)格式。

7. callable()函數(shù)用于檢查一個對象是否可調(diào)用的。對于函數(shù)、方法、lambda函式、類以及實現(xiàn)了 __call__ 方法的類實例, 它都返回 True。（可以加括號的都可以調(diào)用）

8. chr()函數(shù)用一個范圍在range(256)內(nèi)（即0～255）的整數(shù)作參數(shù)，返回一個對應的ASCII數(shù)值。

9. dict()函數(shù)用來將元組/列表轉(zhuǎn)換為字典格式。

10. dir()函數(shù)不帶參數(shù)時，返回當前范圍內(nèi)的變量、方法和定義的類型列表；帶參數(shù)時，返回參數(shù)的屬性、方法列表。

擴展資料：

如何查看python3.6的內(nèi)置函數(shù)？

1、首先先打開python自帶的集成開發(fā)環(huán)境IDLE；

2、然后我們直接輸入"dir(__builtins__)",需要注意的是builtins左右的下劃線都是兩個；

3、回車之后我們就可以看到python所有的內(nèi)置函數(shù)；

4、接下來我們學習第二種查看python內(nèi)置函數(shù)的方法，我們直接在IDLE中輸入"import builtins",然后輸入"dir(builtins)"；

5、然后回車，同樣的這個方法也可以得到所有的python內(nèi)置的函數(shù)；

6、這里我們可以使用python內(nèi)置函數(shù)len（）來查看python內(nèi)置函數(shù)的個數(shù)，這里我們直接輸入"len(dir(builtins))"；

7、回車之后我們可以看到系統(tǒng)返回值153，說明我們現(xiàn)在這個版本中有153個內(nèi)置函數(shù)；

8、最后我們介紹一個比較有用的內(nèi)置函數(shù)"help"，python內(nèi)置函數(shù)有一百多個，我們當然不能記住所有的函數(shù)，這里python提供了一個"help"函數(shù)，我們來看一個例子一起來體會一下help函數(shù)的用法，這里我們直接輸入"help(len)",然后回車，會看到系統(tǒng)給我們對于內(nèi)置函數(shù)"len"的解釋，當然對于其他函數(shù)可能會有更加詳細的解釋以及用法提示。

pandas常用函數(shù)匯總

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。

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。

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的分箱技術很棒啊！

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！！！

文章名稱：python函數(shù)大全表,python 函數(shù)表
URL鏈接：http://chinadenli.net/article34/heccse.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供Google、手機網(wǎng)站建設、自適應網(wǎng)站、網(wǎng)站收錄、關鍵詞優(yōu)化、外貿(mào)建站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)