京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Python学习-语句、语法
#: 注释,不支持多行注释
\: 连接,当一行的程序太长时,可以使用连接符\(反斜杠)
1、使用if、elif 和 else 进行标记
小于两个的选择:
if 条件 :
语句段1
else :
语句段2
大于两个的选择:
if 条件1 :
语句段1
elif 条件2 :
语句段2
…
else :
语句段3
2、使用while进行循环
while 条件:
语句段1
else: # 可选
语句段2
break: 跳出循环
continue:跳到循环开始
3、使用for迭代
for 变量 in 可迭代的对象
元组或列表在一次迭代过程产生一项,而字符串迭代会产生一个字符,对一个字典进行迭代将返回字典中的键。想对字典中的值进行迭代,可使用values()函数:
for value in accusation.values():
print(value)
为了以元组的形式返回键值对,可以使用字典的items() 函数:
for item in accusation.items():
print(item)
4、使用zip()并行迭代
zip()函数在最短序列“用完”时就会停止
5、使用range()生成自然数序列
range()函数的用法类似于使用切片:range(start、stop、step),start的默认值为0,唯一要求的参数值是stop,产生的最后一个数的值是stop的前一个,并且step的默认值是1。
例:得到从0到10的偶数
list(range(0,10,2))
推导式
从一个或多个迭代器快速简洁地创建数据结构的一种方法。
列表推导式1:最简单表示形式如下:
[expression for item in iterable]
例:将通过列表推导创建一个整数列表:
>>> number_list = [number for number in range(1,6)]
>>> number_list
[1,2,3,4,5]
第一个number变量为列表生成值,也就是说,把循环的结果放在列表number_list中
第二个number为循环变量,其中 第一个number 可以为表达式
列表推导式2:表示形式如下:
[expression for item in iterable if condition]
>>> rows = range(1,4)
>>> cols = range(1,3)
>>> cells = [(row,col) for row in rows for col in cols]
>>> for cell in cells:
print(cell)
(1, 1)
(1, 2)
(2, 1)
(2, 2)
(3, 1)
(3, 2)
>>>
字典推导式:表达式如下:
{ key_expression : value_expression for expression in iterable }
>>> word = 'letters'
>>> letter_counts = {letter: word.count(letter) for letter in set(word)}
>>> letter_counts
{'s': 1, 'r': 1, 't': 2, 'e': 2, 'l': 1}
>>>
集合推导式:表达式如下:
{ expression for expression in iterable }
>>> a_set = {number for number in range(1,6) if number % 3 == 1}
>>> a_set
{1, 4}
生成器推导式:
元组没有推导式,列表推导式的方括号变为圆括号后,圆括号之间的是生成器推导式,它返回的是一个生成器对象,生成器仅在运行中产生值,一个生成器只能运算一次,不能重新使用或备份。数据分析师培训
>>> number_thing = (number for number in range(1,6))
>>> type(number_thing)
<class 'generator'>
>>> number_list = list(number_thing)
>>> number_list
[1, 2, 3, 4, 5]
>>> try_again = list(number_thing)
>>> try_again
[]
>>>
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08