本文目录一览：
python自带及pandas、numpy数据结构(一)
1.python自带数据结构：序列（如list）、映射（如字典）、集合（set）。
以下只介绍序列中的list：
创建list：
list1 = []
list1 = [1,2,3,4,5,6,7,8,9] #逗号隔开
list2 = [[1,2],[3,4],[5,6],[7,8]] #list2长度(len(list2))为2,list2[0] = [1,2]
liststring = list(“thisisalist”) #只用于创建字符串列表
索引list：
e = list1[0] #下标从零开始，用中括号
分片list：
es = list1[0:3]
es = list1[0:9:2] #步长在第二个冒号后
list拼接（list1.append(obj)、加运算及乘运算）：
list长度：
list每个元素乘一个数值：
list2 = numpy.dot(list2,2)
list类似矩阵相乘（每个元素对应相乘取和）：
list3 = numpy.dot(list1,list1)
#要求相乘的两个list长度相同
list3 = numpy.dot(list2,list22)
#要求numpy.shape(list2)和numpy.shape(list22)满足“左行等于右列”的矩阵相乘条件，相乘结果numpy.shape(list3)满足“左列右行”
2.numpy数据结构：
Array：
产生array：
data=np.array([[1, 9, 6], [2, 8, 5], [3, 7, 4]])
data=np.array(list1)
data1 = np.zeros(5) #data1.shape = (5,),5列
data1 = np.eye(5)
索引array:
datacut = data[0,2] #取第零行第二列，此处是6
切片array：
datacut = data[0:2,2] # array([6, 5])
array长度：
data.shape
data.size
np.shape(data)
np.size(data)
len(data)
array拼接：
#括号内也有一个括号（中括号或者小括号）！
d = np.concatenate((data,data))
d = np.concatenate((data,data),axis = 1) #对应行拼接
array加法：逐个相加
array乘法：
d = data data #逐个相乘
d = np.dot(data,data) #矩阵相乘
d = data 3 #每个元素乘3
d = np.dot(data,3) #每个元素乘3
array矩阵运算：
取逆 : np.linalg.inv(data)
转置：data.T
所有元素求和 : np.sum(data)
生成随机数：np.random.normal(loc=0, scale=10, size=None)
生成标准正态分布随机数组：np.random.normal(size=(4,4))
生成二维随机数组：
np.random.multivariate_normal([0,0],np.eye(2))
生成范围在0到1之间的随机矩阵(M,N)：
np.random.randint(0,2,(M,N))
Matrix:
创建matrix：
mat1 = np.mat([[1, 2, 3], [4, 5, 6]])
mat1 = np.mat(list)
mat1 = np.mat(data)
matrix是二维的，所有+，-，*都是矩阵操作。
matrix索引和分列：
mat1[0:2，1]
matrix转置：
np.transpose(mat1)
mat1.transpose()
matrix拼接：
np.concatenate([mat1,mat1])
np.concatenate([mat1,mat1],axis = 1)
numpy数据结构总结：对于numpy中的数据结构的操作方法基本相同：
创建：np.mat(list),np.array(list)
矩阵乘：np.dot(x,y)
转置：x.T or np.transpose(x)
拼接：np.concatenate([x,y],axis = 1)
索引：mat[0:1,4],ary[0:1,4]
3.pandas数据结构:
Series:
创建series：
s = pd.Series([[1,2,3],[4,5,6]],index = [‘a’,‘b’])
索引series：
s1 = s[‘b’]
拼接series：
pd.concat([s1,s1],axis = 1) #也可使用s.append(s)
DataFrame:
创建DaraFrame:
df = pd.DataFrame([[1,2,3],[1,2,3]],index = ['a','b'],columns = ['x','y','z'])
df取某一列：
dfc1 =df.x
dfc1 = df[‘x’]
dfc2 = df.iloc[:,0] #用.iloc方括号里是数字而不是column名！
dfc2 = df.iloc[:,0:3]
df取某一行：
dfr1 = df.iloc[0]
df1 = df.iloc[0:2]
df1 = df[0:2] #这种方法只能用于取一个区间
df取某个值：
dfc2 = df.iloc[0,0]
dfc2 = df.iloc[0:2,0:3]
python基础-列表 元组 集合 字典区别和用法
Python中有六个标准的数据类型：Number(数字)，String(字符串)，List(列表)，Tuple(元组)，Set(集合)，Dictionary(字典)。其中：Number(数字）、String(字符串)、Tuple（元组）是不可变数据，其余三种是可变数据。
转义字符
输出结果
布尔值
布尔值是一个逻辑值，只有真(True)和假（False)
输出结果
Python数据结构包括列表(list)、元组(tuple)、集合(set)、字典(dict)等，这里主要讲解列表，列表有两个特点：
输出结果
修改表中元素
输出结果
列表中插入元素
输出结果
输出列表中的元素
输出结果
元素是否在列表元素中及统计个数
输出结果
查找某个元素在列表中的位置
输出结果
顺序结构
输出结果
if 条件 1
输出结果
if 条件 2
输出结果
循环结构
输出结果
循环语句求和
输出结果
可重复，类型可不同。 类型不同也是跟数组最本质的区别。 python里的列表用“[]”表示：
对比a和b的结果
列表的 --- 增 -- 删 -- 改 -- 查
循环输出列表内容，在结尾添加指定的内容
字符串是 Python 中最常用的数据类型。 我们可以使用引号('或")来创建字符串。
元组与列表相似，不一样之处在于 元组的元素不能修改。
元组使用小括号，列表使用方括号。
元组建立很简单，只须要在括号中添加元素，并使用逗号隔开便可。
字典是另外一种可变容器模型，且可存储任意类型对象。
字典的每一个键值(key=value)对用冒号(:)分割，每一个对之间用逗号(,)分割，整个字典包括在花括号({})中 ,格式以下所示：
d = {key1 : value1, key2 : value2 }
字典函数
集合（set）是一个 无序的不重复元素序列。
可使用大括号 { } 或者 set() 函数建立集合，注意：建立一个空集合必须用 set() 而不是 { }，由于 { } 是用来建立一个空字典。
它的主要做用以下： 1.去重，把一个列表变成集合，就自动去重了 。2.关系测试，测试两组数据以前的交集、差集、并集等关系。
关系测试
输出结果
元素的添加和删除
Python 简明教程 ---13，Python 集合
目录
前几节我们已经介绍了Python 中的 列表list ， 元组tuple 和 字典dict ，本节来介绍Python 中的最后一种数据结构—— 集合set 。
Python 中的 set 与 dict 很像，唯一的不同是， dict 中保存的是 键值对 ，而 set 中只保存 键 ，没有 值 。
Python 集合 有如下特点：
Python 集合的声明有两种方式：
创建 空集合 时，只能用 set() ，而不能用 {} ：
创建 非空集合 时，可以用 set() ，也可以用 {} ：
由于集合中的元素是唯一的，如果初始化时的 可迭代 数据中有重复的元素，则会自动删去重复的元素：
使用 len() 函数可以查看集合中元素的个数：
由于Python 集合中的元素的是无序的，所以可不能使用 下标 的方式来访问集合中的单个元素。
我们可以使用 for 循环 来遍历集合中的所有元素：
我们可以对两个集合进行如下运算：
交集与并集
in 运算
使用 dir(set) 查看集合支持的所有方法：
下面一一介绍这些 非魔法方法 ，共17 个。
1. add 方法
由于集合中的元素是唯一的，向集合中添加元素时有两种情况：
示例：
2. remove 方法
示例：
3. discard 方法
示例：
4. pop 方法
示例：
5. union 方法
示例：
6. update 方法
示例：
7. clear 方法
示例：
8. copy 方法
示例：
9. difference 方法
示例：
10. difference_update 方法
示例：
11. intersection 方法
示例：
12. intersection_update 方法
示例：
13. isdisjoint 方法
示例：
14. issubset 方法
示例：
15. issuperset 方法
示例：
16. symmetric_difference 方法
示例：
17. symmetric_difference_update 方法
示例：
（完。）
推荐阅读：
Python 简明教程 --- 8，Python 字符串函数
Python 简明教程 --- 9，Python 编码
Python 简明教程 ---10，Python 列表
Python 简明教程 ---11，Python 元组
Python 简明教程 ---12，Python 字典
