2024.4.19任务
1.1~1.2、Anacinda navigator的基本使用
1.如何安装：
点击下方链接选择合适版本下载：
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
(windows64位可用：anaconda3-5.0.1-windows-x86.exe）
2.工具界面认识：
使用Spyder，操作界面与Matlab类似。两个输入框，一个输出框
3.安装拓展包:
在Anaconda Prompt中使用字符命令的方式进行拓展
pip list ：显示已经安装的包
pip install 安装包名：安装第三方包
1.3~1.6、python的基本数据类型
1.数据说明：
1.类型主要有：数值（int,float,double,eval）、字符串(string)、队列（list）、[强制转化类型才会用到类型说明]
2.元组、集合、字典（又被叫做数据容器）
区别：元组中的元素不可修改，集合具有不可重复性（相同元素只保留第一个），字典中主键的数据类型需要一致，而值不用。
集合、元组、列表和字典中的值中的数据类型可以不一样
2.数据操作：
1.主要包括：索引、切片、求长度、统计、成员身份确定、变量删除
（1）索引：在字典以外的数据容器中使用hash索引 既使用角标来索引
而字典使用码（主键）进行索引
（2）切片：字符串的切片 a[n:m] ----> a[n]~a[m-1] 如果没写时默认n=0,m=len(str)-1
(3)求长度：len(变量名)
（4）统计： 包括求最值（max,min）、求和（sum）
（5）确定成员变量： 元素+in+元素组 （返回True或者False）
（6）变量删除： del 变量1，变量2 【其实相当于变量1、2没用了，被回收空间】
3.列表方法：
1.主要包括：空列表、向列表增加元素、列表扩展、列表中的元素统计、返回列表索引下标、删除列表元素、排序
（1）.创建空列表： 变量名=list（） / 变量名=【】
（2）.向列表增加元素： list名.append(添加元素)
（3）.列表扩展： list名.extend(末尾增加的元素组)
（4）.列表中的元素统计: list名.count(“元素”) （统计该元素在list里的出现次数）
（5）.返回列表索引下标: list名.index(元素) （该元素在list中的角标）
（6）.删除元素： list名.remove(元素) （删除在list里第一次出现的该元素）
（7）.排序： list名.sort() (升序排序)
4.元组方法：
1.主要包括：空元组、统计、返回索引、元组的连接
（1）. 创建空元组：变量名=tuple() / 变量名=（）
（2）.统计： tuple名.count(“元素”) （统计该元素在tuple里的出现次数）
（3）.返回索引: tuple名.index(元素) （该元素在tuple中的角标）
（4）连接： tuple1+tuple2 （与字符串一致用+进行连接）
5.字符串方法：
1.主要包括：空串、找子串、字符串替换、比较和连接
（1）.创建空串： 变量名=str()
（2）.找子串： str名.find(“具体的字符串”，开始索引位置，结束索引位置+1) （返回字串第一次出现的索引位置，没有就返回-1）
（3）.字符串替换：str名.replace("字符1"，“字符2”) （将str中的‘“字符1”全部换成“字符2”）
（4）.连接与比较： str1+str2 【连接用+、比较用<、>、==】 比大小比的是字典序
6.字典方法：
1.主要包括：创建、
（1）.创建字典：
空字典创建：变量名=dict() / 变量名={}
带参数的字典创建：变量名=dict( [ () , () , () ] ) # 嵌套元素为元组
变量名=dict( [ [],[],[],[] ] ) # 嵌套元素为列表
(2）.获取字典值：
字典名.get(键) #返回字典中这个键所对应的值
（3）.字典赋值：
字典名.setdefault(键，值) #对预定义的空字典赋值
1.7~1.10、python设计结构
1.设计结构
1.条件语句： if…else… / if…elif…else
2.循环语句：for _ in range(): / while 条件:
2.函数（只是简单表述，在python里要注意首行缩进）
1.无返回值函数：
def 函数名(): 函数体
2.有返回值函数：
def 函数名(): 函数体 return返回变量
3.有多个返回值函数：
def 函数名(): 函数体 return（返回变量1，返回变量2，……）
3.大数据与python：
1. 大数据的5v特点：volume（大量）、velocity（高速）、variety(多样)、value(低价值密度)、veracity(真实)
2.数据挖掘常用的库：Numpy,Pandas,Matplotlib,scikit-learn。