Python开发记录

本文将从多个方面对Python开发的记录进行详细阐述，包括语法基础、常用库和框架、开发实践等。

一、语法基础

1、变量与数据类型

# 声明变量并赋值
name = "John"
age = 25
is_student = True 

# 数据类型转换
age_str = str(age)
age_int = int(age_str)

2、条件语句

# if-else语句
if age < 18:
    print("未成年")
elif age < 60:
    print("成年人")
else:
    print("老年人")

3、循环语句

# for循环
numbers = [1, 2, 3, 4, 5]
for number in numbers:
    print(number)

# while循环
count = 0
while count < 5:
    print(count)
    count += 1

二、常用库和框架

1、NumPy库

import numpy as np

# 创建一维数组
array1 = np.array([1, 2, 3, 4, 5])

# 创建二维数组
array2 = np.array([[1, 2, 3], [4, 5, 6]])

# 数组运算
array_sum = np.sum(array1)
array_mean = np.mean(array2)

2、Pandas库

import pandas as pd

# 创建数据框
data = {'Name': ['John', 'Amy', 'Peter'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)

# 数据操作
df.head()  # 查看前几行数据
df['Age'].mean()  # 计算平均年龄

3、Django框架

# 定义数据模型
from django.db import models

class Person(models.Model):
    name = models.CharField(max_length=100)
    age = models.IntegerField()

# 创建视图函数
from django.http import HttpResponse

def hello(request):
    return HttpResponse("Hello, world!")

# 配置URL路由
from django.urls import path

urlpatterns = [
    path('hello/', hello),
]

三、开发实践

1、Web爬虫

import requests
from bs4 import BeautifulSoup

# 发送HTTP请求获取HTML页面
response = requests.get("https://www.example.com")
html = response.text

# 使用BeautifulSoup解析HTML页面
soup = BeautifulSoup(html, 'html.parser')
title = soup.title.string

# 输出结果
print(title)

2、数据分析

import pandas as pd

# 读取CSV文件
data = pd.read_csv("data.csv")

# 数据清洗与处理
cleaned_data = data.dropna()  # 删除缺失值
filtered_data = cleaned_data[cleand_data['quantity'] > 10]  # 筛选数量大于10的数据

# 数据可视化
import matplotlib.pyplot as plt

plt.plot(filtered_data['date'], filtered_data['quantity'])
plt.xlabel('Date')
plt.ylabel('Quantity')
plt.show()

3、机器学习

import numpy as np
from sklearn.linear_model import LinearRegression

# 准备数据集
X = np.array([[1, 1], [1, 2], [2, 2], [2, 3]])
y = np.dot(X, np.array([1, 2])) + 3

# 训练模型
model = LinearRegression()
model.fit(X, y)

# 进行预测
new_data = np.array([[3, 5], [4, 4]])
predicted = model.predict(new_data)

通过以上的内容，我们对Python开发的基础语法、常用库和框架、开发实践有了初步了解。希望这些记录能够对你在Python开发中有所帮助。