python中数组切片[:,i] [i:j:k] [:-i] [i,j,:k]
# 逗号“,”分隔各个维度，“:”表示各个维度内的切片，只有:表示取这个维度的全部值，举例说明如下
1.二维数组
X[:,0]取所有行的第0个数据,第二维下标位0的所有数据，第0列（从0开始）
X[:,1] 取所有行的第1个数据
X[:,1:]第一维全部取，即所有行，列上从第一列开始取，不要第0列
X[1,:]是取第1维中下标为1的元素的所有数据，第1行（从0开始）
X[:2,1:]第一维取下标2之前的，即第2行之前（0，1两行），列上从第一列开始取，不要第0列
2.一维数组
s[i:j] 表示获取a[i]到a[j-1]
s[:-1]去掉最后一个字符
s[:-n]去掉最后n个字符
s[-2:]取最后两个字符
s[i:j:k]这种格式呢，i,j与上面的一样，但k表示步长，默认为1
s[::-1]是从最后一个元素到第一个元素复制一遍（反向）
a[2::-1] # 取从下标为2的元素翻转读取
3.三维数组 U[1,1,2]表示第一维取1，第二维取1，第三维取2 U[:,1,2]表示第一维全取，第二维取1，第三维取2 U[:,1:,2]表示第一维全取，第二维取1及1之后的所有值，第三维取2 U[:,1:,：2]表示第一维全取，第二维取1及1之后的所有值，第三维取2之前的值（0,1）
sys.argv[] #就是一个list,sys模块下的一个全局变量，用来获取命令行参数。第一个元素是模块名、后面是依次传入的参数
arg[0] 表示模块名
arg[1]表示第一个命令行参数
arg[1][2:] 表示取第一个命令行参数，但是去掉前两个字节
os.getcwd() # 获得当前工作路径
os.chdir(path) # 改变当前工作目录到指定的路径
os.listdir(path) # 返回指定的文件夹包含的文件或文件夹的名字的列表
os.path.isdir(path) # 判断路径是否为目录
os.path.join(path1[, path2[, ...]]) # 把目录和文件名合成一个路径
set() # 创建一个无序不重复元素集，可进行关系测试
glob.glob() # 模块提供了一个函数用于从目录通配符搜索中生成文件列表
strip() # 用于移除字符串头尾指定的字符（默认为空格）或字符序列。
split() # 通过指定分隔符对字符串进行切片，如果第二个参数 num 有指定值，则分割为 num+1 个子字符串
hstack(tup) #水平(按列顺序)把数组给堆叠起来
vstack(tup) #垂直（按照行顺序）的把数组给堆叠起来
字典(Dictionary) items() # 函数以列表返回可遍历的(键, 值) 元组数组
operator.itemgetter() # 用于获取对象的哪些维的数据，参数为一些序号（即需要获取的数据在对象中的序号）
python格式的互相转换(array,list,str)
#numpy的array转list
left_specturm_train.tolist()
#list转numpy的array
a = np.array(b)
#字符串转list
list_convert = a.split() #
#list转str
str_convert = ''.join(list)
from sklearn.metrics.pairwise import cosine_similarity
from sklearn.metrics.pairwise import pairwise_distances
a=[[1,3],[2,2]]
cosine_similarity(a)
array([[ 1. , 0.89442719],
[ 0.89442719, 1. ]])
pairwise_distances(a,metric="cosine")
array([[ 0. , 0.10557281],
[ 0.10557281, 0. ]])
# 使用cosine_similarity，传入一个变量a时，返回数组的第i行第j列表示a[i]与a[j]的余弦相似度
# 使用pairwise_distances，注意该方法返回的是余弦距离，余弦距离= 1 - 余弦相似度，同样传入一个变量a时，返回数组的第i行第j列表示a[i]与a[j]的余弦距离
LabelEncoder 和 OneHotEncoder详解
# LabelEncoder 是对不连续的数字或者文本进行编号
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
le.fit([1,5,67,100])
le.transform([1,1,100,67,5])
# out： array([0,0,3,2,1])
#OneHotEncoder 用于将表示分类的数据扩维：
from sklearn.preprocessing import OneHotEncoder
ohe = OneHotEncoder()
ohe.fit([[1],[2],[3],[4]])
ohe.transform([2],[3],[1],[4]).toarray()
# out：[ [0,1,0,0] , [0,0,1,0] , [1,0,0,0] ,[0,0,0,1] ]
python 读excel表
# 方法一：xlrd模块读excel
import xlrd
data = xlrd.open_workbook("window regulator.xlsx") #打开excel
table = data.sheet_by_name("Sheet2")#读sheet
nrows = table.nrows #获得行数
result = []
for i in range(1,nrows): #
rows = table.row_values(i) #行的数据放在数组里
sku = rows[0]
keyword = str(rows[1]).split("-")[1] + " "+ str(rows[2]).replace("|"," ") + " window regulator"
kind = rows[3]
result.append([sku, keyword,kind])
print(result)
# 方法二：pandas模块读excel
import pandas as pd
import numpy
import csv
import xlrd
#读入sku
df = pd.read_excel("window regulator.xlsx",sheetname="Sheet2") #读excel
skus = df["sku"].values
for sku in skus :
df1 = pd.read_csv("sku\\feedback_"+str(sku)+".csv",encoding="utf-8")
df1 = df1[(df1.price < 60) & (df1.price >10)]
df1.to_csv("sku\\feedback_"+str(sku)+".csv",encoding="utf-8",index = False) #写入到csv
# 方法三：openpyxl进行读写excel,只能是xlsx格式的excel
控制小数点位数
# 利用python中的内置函数,奇数则四舍五入，偶数则取整
round(a, 2)
'%.2f' % a
寻找最大值并返回其位置
a = [0.2,0.3,0.4,0.1]
print a.index(min(a)) # 返回最小值位置
print a.index(max(a)) # 返回最大值位置
写入浮点数到txt文件
with open('file_path/filename.txt', 'a') as file:
write_str = '%f %f\n'%(float_data1, float_data2)
file.write(write_str)
从txt文件提取浮点数到numpy数组或list列表
# 1.读txt数据存为numpy数组
a = numpy.loadtxt('odom.txt')
# a.shape()可查看形状
b = numpy.reshape(a, (你想要的形状))
# 2.读txt数据存到list里
with open('odom.txt', 'r') as f:
data = f.readlines() #txt中所有字符串读入data
for line in data:
odom = line.split() #将单个数据分隔开存好
numbers_float = map(float, odom) #转化为浮点数