Python知识手册-V3.0.pdf

Python知识手册V3.0作者|Lemon出品|Python数据之道01 Jan 2021Python数据之道PyDataLabPython知识手册-v3.0出品：Python数据之道作者：Lemon01Jan,2021Python数据之道前言?“种一棵树，最好的时间是十年前，其次是现在。”各位读者好，我是Lemon。博客刚兴起不久的时候，我就开始写一些博客文章，但工作之后基本上就没有坚持写。现在想来，有些可惜了。从2016年底开始，再次坚持写作，并于2017年开通了微信公众号Python数据之道。期间陆陆续续，写了些许Python及数据科学相关的内容，以及翻译了部分外网文章，希望借此机会，将这些显得零散的内容整合起来，形成一本小册子，名曰Python知识手册。虽然我写了一些关于Python零基础入门的文章，但Python知识手册并没有比较完整的覆盖Python的基础知识。目前，Python知识手册的内容主要涉及Python基础、数据分析，数据可视化等内容。因此，针对手册的阅读，各位读者最好有一些Python的基本功底。若对我写的内容有兴趣，欢迎大家通过以下途径来关注。1.微信公众号公众号Python数据之道秉承“让数据更有价值”的理念，主要分享数据相关的内容，包括数据分析，挖掘，可视化，机器学习，深度学习等,欢迎关注。Python知识手册中部分文章提供了源代码，可以在公众号Python数据之道后台回复code 来获取。2.个人网站网址：http:/我的个人网站中，包含更多的文章，并且在不断的进行更新。目前，网站中涉及了Python相关一系列内容，包括Python基础、Python数据科学、项目实战等内容，欢迎访问。3.感谢的话最后聊一下Lemon为什么写这本手册：作为一个非科班人士，原本跟Python没有直接的关联，在长期的工作中我希望自己能尽快走出舒适圈，做一些有意义的事情，所以我跑去研究当前比较火热的人工智能，发现Python的强大之处，从而开始深入到Python的学习中去了。过去的时间里，在公众号Python数据之道里写了一些内容，希望整合起来，对大家有些启发，于是有了Python知识手册。http:/2Python数据之道坚持写作，少了许多与家人陪伴的时光，感谢家人对我的支持与理解。通过Python数据之道，结识了不少业界前辈以及新朋友，通过交流，让我愈发感到自己的渺小与不足，希望能与诸位共同成长。衷心感谢诸位前辈以及众多读者对Python数据之道的支持。手册封面图片 由Free-Photos在Pixabay上发布，在此表示感谢。当然，由于个人水平有限，文章中内容难免有不准确的地方，Python知识手册会不定期进行更新，更新后的内容可以在公众号Python数据之道后台回复数字600 进行获取。有你们同行，Lemon相信Python知识手册的内容会越来越完善，欢迎大家提供反馈建议，Lemon的微信联系方式如下：4.做一个跨领域学习者此外，Lemon还开设了一个非技术类的微信公众号，名称是价值前瞻。在这里推荐下，也算是一点小小私心，希望大家能关注下。价值前瞻 的初衷是希望自己以及更多的人能“做一个有远见的人”，价值前瞻 聚焦于书籍阅读、投资创业、自我成长等领域，希望能前瞻思考，不断适应外部环境变化，成就更好的自己。Tips：您现在看到的可能已经不是最新版本，请在公众号Python数据之道后台回复数字600 获取最新版。http:/3Contents1导读111.1手册内容.111.2与优秀者同行.111.3如何阅读和使用手册.121.4手册版本历史信息.122Python语言的简单介绍132.1起源.132.2为什么名字叫“Python”.152.3Python的发展历史.152.4Python语言的特点.162.5Python语言的应用.172.6Python语言的一些缺点.183Python安装193.1安装方法一：.193.2安装方法二：（推荐）.243.3总结.274第一个Python程序284.1输出函数print().284.2输入函数input().304.3小练习.315创建第一个“.py”和“.ipynb”文件325.1创建和运行“.py”文件.325.2文本编辑器.395.3创建和运行“.ipynb”文件.395.4总结.456VSCode中Python环境配置指南466.1软件准备.466.2在终端运行程序.476.3Python环境配置.484ContentsPython数据之道7Python数据类型-List介绍607.1初识list.607.2访问列表中的值.617.3列表的操作、函数及方法.627.4list中元素的类型可以多样.657.5list的切片（slices）.667.6列表推导式(ListComprehension).687.7小结.718Python中字典合并的实现方法728.1背景.728.2Method1：适用于Python3.5及以上版本呢.728.3Method2：自定义函数.728.4多个dict进行合并.739Python内置时间模块：Datetime749.1前言.749.2构建时间对象实例.759.3时间转换.799.4时间对象的运算.8310 Python内置时间模块：Time8610.1模块介绍.8610.2时间获取.8710.3时间转换.8711 Python内置时间模块：Calendar9011.1获取某年的日历.9011.2获取某月的日历.9111.3其他方法.9212 JupyterNotebook主题设置、字体修改等9312.1新的风格预览.9312.2主题更换过程.9412.3我的主题设置参数.9513 JupyterNotebook中自动补全代码9714 JupyterNotebook输出pdf并支持中文显示9914.1安装顺序.9915 Anaconda安装虚拟环境到指定路径10515.1曾经的困扰.105http:/5ContentsPython数据之道15.2安装虚拟环境.10515.3虚拟环境下安装python库.10816 Numpy的基本用法11016.1Numpy数组对象.11016.2创建ndarray数组.11116.3 Numpy的数值类型.11316.4 ndarray数组的属性.11416.5 ndarray数组的切片和索引.11816.6处理数组形状.11916.7数组的类型转换.12716.8 numpy常用统计函数.12716.9数组的广播.12916.10写在最后.13017 Numpy的random函数简介13117.1numpy.random.rand().13117.2 numpy.random.randn().13217.3 numpy.random.randint().13217.4生成0,1)之间的浮点数.13317.5 numpy.random.choice().13417.6 numpy.random.seed().13518 Numpy中Meshgrid函数介绍及2种应用场景13618.1Meshgrid函数的基本用法.13618.2 Meshgrid函数的一些应用场景.13918.3 Method-1.14118.4 Method-2.14319 Pandas日期数据处理14519.1读取并整理数据.14519.2按日期筛选数据.14619.3按日期显示数据.14819.4按日期统计数据.15220 Pandas的DataFrame如何按指定list排序15620.1分析过程.15820.2指定list元素多的情况：.16020.3指定list元素少的情况：.16120.4总结.16221 Pandas小册子：根据条件创建新的列16321.1第一种方法.163http:/6ContentsPython数据之道21.2第二种方法.16422 Pandas中apply使用技巧！16622.1使用apply函数拆分文本.16622.2应用有两个参数的自定义函数.16823 Pandas的Groupby操作17123.1 groupby的基础操作.17123.2分组后选择列进行运算.17223.3聚合方法.17323.4分组运算方法agg().17423.5分组运算方法apply().17523.6分组运算方法transform().17623.7将某列数据按数据值分成不同范围段进行分组（groupby）运算.17724 Matplotlib饼图简介17924.1官方Demo.17924.2将实际数据应用于官方Demo.18024.3一些改善措施.18125 Matplotlib中等高线图（contour）的绘制19125.1仅绘制等高线.19225.2仅填充等高区域颜色：.19225.3绘制完整的等高线图.19326 Matplotlib可视化最有价值的50个图表19526.1介绍.19526.2准备工作.19526.3关联（Correlation）.19626.4偏差（Deviation）.20926.5排序（Ranking）.21726.6分布（Distribution）.22426.7组成（Composition）.23726.8变化（Change）.24426.9分组（Groups）.26127轻松用Seaborn进行数据可视化26827.1直方图（Distplot）.26827.2联合分布图（Jointplot）.27027.3矩阵图（Pairplot）.27327.4条形图（Barplot）.27427.5箱形图（Boxplot）.27627.6 LMPlot.278http:/7ContentsPython数据之道28 Seaborn可视化：图形个性化设置的几个小技巧28028.1概述.28028.2未个性化设置的情形.28028.3进行个性化设置.28129 Seaborn热力图使用进阶28429.1构造数据.28429.2 Seaborn的heatmap各个参数介绍.28629.3案例应用：突出显示某些数据.29630 Bokeh入门29830.1常规步骤.29830.2绘制circle().29831 Bokeh：figure详细解读30431.1Bokeh中绘图的一般步骤.30431.2综合小结.31532 Bokeh:29种基础可视化图形31732.1 Bokeh中绘图的一般步骤.31732.2综合小结.32833 Bokeh中独特的数据类型简介：ColumnDataSource32933.1直接提供数据.32933.2通过ColumnDataSource来提供数据.33033.3小结.33534 Bokeh中数据的添加、修改和筛选33634.1添加新的数据.33634.2数据更新.33834.3筛选数据.34135 Bokeh中图形与组件的布局简介34535.1图形的布局.34535.2组件的布局.35135.3图形和组件混合布局.35236在Pycharm等编辑器下使用PlotlyExpress35436.1第一个示例.35436.2第二个示例.35537 Plotly中如何保存jpeg等图片？35737.1保存静态图片的方法.357http:/8ContentsPython数据之道37.2项目案例演示.35738用Python可视化神器Plotly动态演示全球疫情变化趋势36038.1数据来源.36038.2准备工作.36138.3获取国外的疫情数据.36139用Python动态曲线图来对全球疫情进行演示36639.1数据来源.36739.2准备工作.36839.3获取国外和国内的疫情数据.36939.4疫情可视化.37040升级版，用Python来进行多条曲线动态演示全球疫情变化37640.1数据来源.37840.2准备工作.37840.3获取国外和国内的疫情数据.37940.4疫情可视化.38140.5动态曲线演示疫情情况.38341 Plotl