1.入口函数
if __name__ == '__main__':
2.输入两个（多个）数字使用空格或者逗号隔开
1、输入一个数字直接 m = int(input())
2、输入两个数字就是 m, n = map(int, input().split())
3、三个及三个以上就和两个的类似: a, b, c, d = map(int, input().split())
3.for循环中的递增迭代：
for index in range(len(numbers)):
对于数组的索引迭代，需要用到len（）求数组的长度，用range进行索引迭代。
4.[line[i]+line[i+1]for i in range(len(line)-1)]
5.进制转换
进制转换
6.小写转化大写
.upper()
大写转化小写
.lower()
7.补全
res = bin(i)[2:].zfill(5)
8.列表转换成字符串
list1=["We"," ","are"," ","happy"]
return " ".join(list1)
9.牛客基础知识
列表删除元素.png
列表增加元素.png
内置函数.png
列表方法.png
元组的知识点.png
zip()函数.png
解压.png
while循环.png
range()函数.png
列表解析.png
continue.png
字符串格式化.png
字符串索引与切片.png
字符串的函数.png
为什么replace()没有替换成功.png
字典.png
成员运算发.png
字典更新.png
#输入描述：
#一行输入一个单词，单词可能是字典中出现过的，也可能是字典中未出现过的。
#输出描述：
#输出更新后的字典
num={'word': 2, 'while': 15, 'for': 20, 'if': 26, 'else': 14, 'print': 9}
word=input()
if word in num:
num[word]=num[word]+1
else:
num[word]=1
print(num)
字典函数.png
import导入.png
math.png
类.png
image.png
##结合评论区的观点，给出以下思路
#1首先创建类Nowcoder
#2定义三个内部变量
#3定义一种输出方法
class Nowcoder():
def __init__(self,name,ID,num) :
self.name = name
self.ID =ID
self.num = num
def print(self):
print(self.name,self.ID,self.num,sep='\n')
#5 创建一个niuniu的对象
niuniu =Nowcoder('NiuNiu','100001',678)
#5 根据对象输出对象信息
Nowcoder.print(niuniu)
类的初始化.png
类的继承.png
pandas.png
image.png
shape是成员变量
shape是成员变量.png
shape的用法.png
查看列名.png
例子.png
pandas数据索引.png
读取列.png
第二种方式
.age为成员变量
输出对应的行.png
df['age']==19 #这是一个布尔索引
pandas逻辑运算.png
在 Pandas 中，用于条件筛选的操作需要使用位运算符 & 而不是逻辑运算符 and。这是因为在 Pandas 中，and 运算符会尝试对整个条件表达式进行求值，而不是对每个元素进行逐个比较。这样会导致出现错误或产生不可预测的结果。
使用位运算符 & 可以确保对每个元素进行逐个比较，并返回每个元素的布尔结果。这样，最终的筛选条件会返回一个布尔序列，用于选择满足条件的行。
或的另一种用法.png
非.png
pandas多列输出.png
pandas多列输出.png
pandas数学函数.png
sum() 是 Python 内置函数，用于计算可迭代对象（例如列表、元组等）中的元素之和。它可以接受一个可迭代对象作为参数，并返回所有元素的总和。
.sum() 是 Pandas 库中 DataFrame 或 Series 对象的方法，用于计算数据的总和。它用于对 DataFrame 或 Series 中的数据进行聚合计算。
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
column_sum = df['A'].sum()
print(column_sum) # 输出结果为 6
网友评论