-
排序
sorted(data,reverse=True or False) -
zip（）將多個可迭代物件打包成一個元組列表
list or set (zip())
-
map（）對可迭代物件中的每個元素應用函式
map(data,func)
-
filter() 跟map類似的用法
-
reduce()對可迭代物件中的元素進行累計計算
from functools import reduce
用法跟filter()一樣
-
split()&replace()&range()&all()判斷任一元素&open()開啟檔案&round(data)對數字四捨五入&abs(data)絕對值&find（）找資料所在的索引開始位置
簡單 -
join()將字串列表連線成一個字串
“ ”.join(words)
-
strip()去除字串兩端的符號
預設是去除空格；可以指定
-
enumerate()列舉可迭代物件，並返回索引和元素
-
eval()可以執行其中的程式碼或者可執行表示式
result = input(eval(data)) -
reversed()反轉序列
reversed(data) -
len（）返回可迭代資料的長度
len(data) -
type()返回資料型別
type(data) -
lambda 表示式
lambda x : len(x) or type(x) or x**2 or eval(x) -
bytes()
有些時候，讀取檔案需要改變編碼，這就派上用場了
-
time庫
time_now = time.time()返回當前時間的時間戳
time.ctime(time_now)可以返回可讀格式的時間 -
re.findall()正則庫的使用
re.findall("\w+",str) -
isinstance()判斷某個資料是否是某個型別
isinstance(data,type) -
os.mkdir()建立目錄
機器學習大機率用到
-
json庫
-
requests庫
對網路請求的庫 -
object沒說清楚
-
id(data)返回資料的記憶體地址
-
divmod(a,b)返回（a/b,a % b）
-
ord(data)返回data的Unicode碼值
-
encode("utf-8")將使用的資料轉為指定格式的資料
data.encode("utf-8") -
count()統計出現次數
data.count(資料) -
index(資料)返回索引位置，從0開始
data.index(資料) -
update更新或合併字典
dict1 = {..}
dict2 = {...}
dict1.update(dict2) -
numpy庫
import numpy as np
一般使用np.array([])比直接使用【】更好，因為已經封裝好了
可以直接對數字進行加減乘除；或者多個【】加減乘除；data.shape()
根據條件篩選，並且選出那些內容
np.where()找出索引
data_array > 10 是條件
dtype指定資料的型別
對矩陣排序,排序函式
np.sort(data_array)
改變矩陣的形狀--注意，必須一樣大小
矩陣的轉置
data_array.T 即可
矩陣的連線或者拼接
#格式一定要正確
c = np.concatenate((a,b))
將矩陣拉成一行
array.flatten();array.ravel()
按照一定的規律生成一個陣列
np.linspace(from,start,much)--從開始到結尾根據much自動等距生產陣列
常用函式：
np.zeros()
np.ones()
矩陣的四則運算
數乘與點乘
兩個矩陣間的邏輯操作
& | or
np的隨機模組
隨機小數
隨機整數
修改隨機數的精度
對陣列重新隨機排序
隨機的種子
隨機的，但每個種子下都是一樣的
對檔案操作——用到就查
np的版本及其矩陣的記憶體大小
找出陣列中的最大值、最小值
array.min() max()
在一個矩陣的外面一圈填充指定的數字
np.pad(...)
對陣列進行歸一化處理
矩陣資料-最小值/(max-min)就是歸一化
找到陣列中相同的元素
np.intersectId(z1,z2)
日期的相關操作
昨天、今天、明天
得到某個月
對小數進行取整
對資料型別進行轉換
int32；float32
