From 5901bb2e272e3b0b74ac65984d6d755df6df3b63 Mon Sep 17 00:00:00 2001 From: Lex Li Date: Sun, 16 Sep 2018 20:48:56 +0800 Subject: [PATCH 1/5] =?UTF-8?q?Update=20=E7=AC=AC03=E7=AB=A0=20Python?= =?UTF-8?q?=E7=9A=84=E6=95=B0=E6=8D=AE=E7=BB=93=E6=9E=84=E3=80=81=E5=87=BD?= =?UTF-8?q?=E6=95=B0=E5=92=8C=E6=96=87=E4=BB=B6.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit "尖括号"改为“花括号” --- ...\275\346\225\260\345\222\214\346\226\207\344\273\266.md" | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git "a/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" "b/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" index 7d30dad..9a81db8 100644 --- "a/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" +++ "b/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" @@ -520,7 +520,7 @@ Out[100]: [9, 8, 7, 6, 5, 4, 3, 2, 1, 0] 要记住``reversed``是一个生成器（后面详细介绍），只有实体化（即列表或for循环）之后才能创建翻转的序列。 ## 字典 -字典可能是Python最为重要的数据结构。它更为常见的名字是哈希映射或关联数组。它是键值对的大小可变集合，键和值都是Python对象。创建字典的方法之一是使用尖括号，用冒号分隔键和值： +字典可能是Python最为重要的数据结构。它更为常见的名字是哈希映射或关联数组。它是键值对的大小可变集合，键和值都是Python对象。创建字典的方法之一是使用花括号，用冒号分隔键和值： ```python In [101]: empty_dict = {} @@ -705,7 +705,7 @@ Out[132]: {(1, 2, 3): 5} ``` ## 集合 -集合是无序的不可重复的元素的集合。你可以把它当做字典，但是只有键没有值。可以用两种方式创建集合：通过set函数或使用尖括号set语句： +集合是无序的不可重复的元素的集合。你可以把它当做字典，但是只有键没有值。可以用两种方式创建集合：通过set函数或使用花括号set语句： ```python In [133]: set([2, 2, 2, 1, 3, 3]) @@ -826,7 +826,7 @@ Out[155]: ['BAT', 'CAR', 'DOVE', 'PYTHON'] dict_comp = {key-expr : value-expr for value in collection if condition} ``` -集合的推导式与列表很像，只不过用的是尖括号： +集合的推导式与列表很像，只不过用的是花括号： ```python set_comp = {expr for value in collection if condition} From c63a36e4fe4b9e9686e5f32c39271a78d36a22e5 Mon Sep 17 00:00:00 2001 From: Lex Li Date: Sun, 16 Sep 2018 20:56:13 +0800 Subject: [PATCH 2/5] =?UTF-8?q?Update=20=E7=AC=AC03=E7=AB=A0=20Python?= =?UTF-8?q?=E7=9A=84=E6=95=B0=E6=8D=AE=E7=BB=93=E6=9E=84=E3=80=81=E5=87=BD?= =?UTF-8?q?=E6=95=B0=E5=92=8C=E6=96=87=E4=BB=B6.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit “得”改为“的” --- ...\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git "a/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" "b/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" index 9a81db8..afdc612 100644 --- "a/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" +++ "b/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" @@ -167,7 +167,7 @@ In [33]: a, b, *_ = values ``` ## tuple方法 -因为元组的大小和内容不能修改，它的实例方法都很轻量。其中一个很有用的就是``count``（也适用于列表），它可以统计某个值得出现频率： +因为元组的大小和内容不能修改，它的实例方法都很轻量。其中一个很有用的就是``count``（也适用于列表），它可以统计某个值的出现频率： ```python In [34]: a = (1, 2, 2, 2, 3, 4, 2) From f53a75d945ab4599ea92d217b7d61dd3857178e8 Mon Sep 17 00:00:00 2001 From: Lex Li Date: Sun, 16 Sep 2018 21:12:27 +0800 Subject: [PATCH 3/5] =?UTF-8?q?Update=20=E7=AC=AC03=E7=AB=A0=20Python?= =?UTF-8?q?=E7=9A=84=E6=95=B0=E6=8D=AE=E7=BB=93=E6=9E=84=E3=80=81=E5=87=BD?= =?UTF-8?q?=E6=95=B0=E5=92=8C=E6=96=87=E4=BB=B6.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 去掉重复的“函数”一词。 --- ...\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git "a/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" "b/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" index afdc612..ab4f896 100644 --- "a/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" +++ "b/\347\254\25403\347\253\240 Python\347\232\204\346\225\260\346\215\256\347\273\223\346\236\204\343\200\201\345\207\275\346\225\260\345\222\214\346\226\207\344\273\266.md" @@ -1261,7 +1261,7 @@ S ['Steven'] ![表3-2 一些有用的itertools函数](http://upload-images.jianshu.io/upload_images/7178691-111823d8767a104d.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) ## 错误和异常处理 -优雅地处理Python的错误和异常是构建健壮程序的重要部分。在数据分析中，许多函数函数只用于部分输入。例如，Python的float函数可以将字符串转换成浮点数，但输入有误时，有``ValueError``错误： +优雅地处理Python的错误和异常是构建健壮程序的重要部分。在数据分析中，许多函数只用于部分输入。例如，Python的float函数可以将字符串转换成浮点数，但输入有误时，有``ValueError``错误： ```python In [197]: float('1.2345') From 92439bf644222279350c55ee75a2495c15bb4ba7 Mon Sep 17 00:00:00 2001 From: Lex Li Date: Sun, 16 Sep 2018 21:23:37 +0800 Subject: [PATCH 4/5] =?UTF-8?q?Update=20=E7=AC=AC04=E7=AB=A0=20NumPy?= =?UTF-8?q?=E5=9F=BA=E7=A1=80=EF=BC=9A=E6=95=B0=E7=BB=84=E5=92=8C=E7=9F=A2?= =?UTF-8?q?=E9=87=8F=E8=AE=A1=E7=AE=97.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit “整了”改为“整理”。 --- ...\222\214\347\237\242\351\207\217\350\256\241\347\256\227.md" | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git "a/\347\254\25404\347\253\240 NumPy\345\237\272\347\241\200\357\274\232\346\225\260\347\273\204\345\222\214\347\237\242\351\207\217\350\256\241\347\256\227.md" "b/\347\254\25404\347\253\240 NumPy\345\237\272\347\241\200\357\274\232\346\225\260\347\273\204\345\222\214\347\237\242\351\207\217\350\256\241\347\256\227.md" index 2daf6ac..d17c4a4 100644 --- "a/\347\254\25404\347\253\240 NumPy\345\237\272\347\241\200\357\274\232\346\225\260\347\273\204\345\222\214\347\237\242\351\207\217\350\256\241\347\256\227.md" +++ "b/\347\254\25404\347\253\240 NumPy\345\237\272\347\241\200\357\274\232\346\225\260\347\273\204\345\222\214\347\237\242\351\207\217\350\256\241\347\256\227.md" @@ -23,7 +23,7 @@ NumPy本身并没有提供多么高级的数据分析功能，理解NumPy数组 虽然NumPy提供了通用的数值数据处理的计算基础，但大多数读者可能还是想将pandas作为统计和分析工作的基础，尤其是处理表格数据时。pandas还提供了一些NumPy所没有的领域特定的功能，如时间序列处理等。 ->笔记：Python的面向数组计算可以追溯到1995年，Jim Hugunin创建了Numeric库。接下来的10年，许多科学编程社区纷纷开始使用Python的数组编程，但是进入21世纪，库的生态系统变得碎片化了。2005年，Travis Oliphant从Numeric和Numarray项目整了出了NumPy项目，进而所有社区都集合到了这个框架下。 +>笔记：Python的面向数组计算可以追溯到1995年，Jim Hugunin创建了Numeric库。接下来的10年，许多科学编程社区纷纷开始使用Python的数组编程，但是进入21世纪，库的生态系统变得碎片化了。2005年，Travis Oliphant从Numeric和Numarray项目整理出了NumPy项目，进而所有社区都集合到了这个框架下。 NumPy之于数值计算特别重要的原因之一，是因为它可以高效处理大数组的数据。这是因为： From a35e61b424814a1cb13680e39441970768e82d3f Mon Sep 17 00:00:00 2001 From: Lex Li Date: Sun, 16 Sep 2018 21:49:34 +0800 Subject: [PATCH 5/5] =?UTF-8?q?Revert=20"Update=20=E7=AC=AC04=E7=AB=A0=20N?= =?UTF-8?q?umPy=E5=9F=BA=E7=A1=80=EF=BC=9A=E6=95=B0=E7=BB=84=E5=92=8C?= =?UTF-8?q?=E7=9F=A2=E9=87=8F=E8=AE=A1=E7=AE=97.md"?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- ...\222\214\347\237\242\351\207\217\350\256\241\347\256\227.md" | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git "a/\347\254\25404\347\253\240 NumPy\345\237\272\347\241\200\357\274\232\346\225\260\347\273\204\345\222\214\347\237\242\351\207\217\350\256\241\347\256\227.md" "b/\347\254\25404\347\253\240 NumPy\345\237\272\347\241\200\357\274\232\346\225\260\347\273\204\345\222\214\347\237\242\351\207\217\350\256\241\347\256\227.md" index d17c4a4..2daf6ac 100644 --- "a/\347\254\25404\347\253\240 NumPy\345\237\272\347\241\200\357\274\232\346\225\260\347\273\204\345\222\214\347\237\242\351\207\217\350\256\241\347\256\227.md" +++ "b/\347\254\25404\347\253\240 NumPy\345\237\272\347\241\200\357\274\232\346\225\260\347\273\204\345\222\214\347\237\242\351\207\217\350\256\241\347\256\227.md" @@ -23,7 +23,7 @@ NumPy本身并没有提供多么高级的数据分析功能，理解NumPy数组 虽然NumPy提供了通用的数值数据处理的计算基础，但大多数读者可能还是想将pandas作为统计和分析工作的基础，尤其是处理表格数据时。pandas还提供了一些NumPy所没有的领域特定的功能，如时间序列处理等。 ->笔记：Python的面向数组计算可以追溯到1995年，Jim Hugunin创建了Numeric库。接下来的10年，许多科学编程社区纷纷开始使用Python的数组编程，但是进入21世纪，库的生态系统变得碎片化了。2005年，Travis Oliphant从Numeric和Numarray项目整理出了NumPy项目，进而所有社区都集合到了这个框架下。 +>笔记：Python的面向数组计算可以追溯到1995年，Jim Hugunin创建了Numeric库。接下来的10年，许多科学编程社区纷纷开始使用Python的数组编程，但是进入21世纪，库的生态系统变得碎片化了。2005年，Travis Oliphant从Numeric和Numarray项目整了出了NumPy项目，进而所有社区都集合到了这个框架下。 NumPy之于数值计算特别重要的原因之一，是因为它可以高效处理大数组的数据。这是因为：