python知识手册

✍ Scribed by 阳哥

• Year: 2022
• Tongue: Chinese
• Leaves: 769
• Edition: 4.1
• Category: Library

✦ Table of Contents

封面
前言
目录
导读
手册内容
主要更新内容
如何阅读和使用《手册》
Python 语言的简单介绍
起源
为什么名字叫 Python'' Python的发展历史 Python语言的特点 Python 语言的应用 Python 语言的一些缺点 Python安装 安装方法一： 安装方法二：（推荐） 总结 第一个Python程序 输出函数 print() 输入函数 input() 小练习 创建第一个.py'' 和 .ipynb'' 文件 创建和运行.py'' 文件
文本编辑器
创建和运行 ``.ipynb'' 文件
总结
VS Code 中 Python 环境配置指南
软件准备
在终端运行程序
Python 环境配置
Python数据类型-字符串介绍
创建字符串
访问字符串中的值
字符串格式化
字符串的基本运算
Python数据类型-List介绍
初识 list
访问列表中的值
列表的操作、函数及方法
list中元素的类型可以多样
list 的切片（slices）
列表推导式(List Comprehension)
小结
Python数据类型-字典介绍
基本用法
字典推导式
字典合并
嵌套型字典
小结
Python内置时间模块：Datetime
前言
构建时间对象实例
时间转换
时间对象的运算
Python内置时间模块:Time
模块介绍
时间获取
时间转换
Python内置时间模块：Calendar
获取某年的日历
获取某月的日历
其他方法
Jupyter Notebook 主题设置、字体修改等
新的风格预览
主题更换过程
我的主题设置参数
Jupyter Notebook中自动补全代码
Jupyter Notebook输出pdf并支持中文显示
安装顺序
Anaconda安装虚拟环境到指定路径
曾经的困扰
安装虚拟环境
虚拟环境下安装python库
Numpy的基本用法
Numpy数组对象
创建ndarray数组
Numpy的数值类型
ndarray数组的属性
ndarray数组的切片和索引
处理数组形状
数组的类型转换
numpy常用统计函数
数组的广播
写在最后
Numpy的random函数简介
numpy.random.rand()
numpy.random.randn()
numpy.random.randint()
生成[0,1)之间的浮点数
numpy.random.choice()
numpy.random.seed()
Numpy中Meshgrid函数介绍及2种应用场景
Meshgrid函数的基本用法
Meshgrid函数的一些应用场景
Pandas：图解Pandas
写在前面
已发布的内容
部分内容介绍
03 专题汇总
Pandas：数据筛选query函数介绍
常用方法
通过数学表达式筛选
通过变量筛选
列表数据筛选
多条件筛选
列名称有空格的情况
筛选后选取数据列
小结
Pandas 的 Groupby 操作
groupby 的基础操作
分组后选择列进行运算
聚合方法
分组运算方法 agg()
分组运算方法 apply()
分组运算方法 transform()
将某列数据按数据值分成不同范围段进行分组（groupby）运算
Pandas数据排序
按索引排序
按数值排序
Pandas中将列（column）排序的几种方法
数据准备
几种排序方法
实战案例：自由排序
Pandas的DataFrame如何按指定list排序
分析过程
指定list元素多的情况：
指定list元素少的情况：
总结
Pandas: 如何将一列中的文本拆分为多行？
Method-1
Method-2
Pandas中apply使用技巧
使用apply函数拆分文本
应用有两个参数的自定义函数
Pandas小册子：根据条件创建新的列
第一种方法
第二种方法
Pandas日期数据处理
读取并整理数据
按日期筛选数据
按日期显示数据
按日期统计数据
Pandas 表格样式设置指南
环境准备
隐藏索引
隐藏列
设置数据格式
颜色高亮设置
色阶颜色设置
数据条显示
自定义函数的使用
颜色设置范围选择
共享样式
导出样式到Excel
总结
Matplotlib 饼图简介
官方Demo
将实际数据应用于官方Demo
一些改善措施
Matplotlib 中等高线图（contour）的绘制
仅绘制等高线
仅填充等高区域颜色：
绘制完整的等高线图
Matplotlib可视化最有价值的 50 个图表
介绍
准备工作
关联 （Correlation）
偏差 （Deviation）
排序 （Ranking）
分布 （Distribution）
组成 （Composition）
变化 （Change）
分组 （Groups）
Matplotlib 动态图绘制
数据准备
4种类型的动态 gif 图
轻松用 Seaborn 进行数据可视化
直方图 （Distplot）
联合分布图 （Jointplot）
矩阵图 （Pairplot）
条形图 （Barplot）
箱形图 （Boxplot）
LM Plot
Seaborn可视化：图形个性化设置的几个小技巧
概述
未个性化设置的情形
进行个性化设置
Seaborn热力图使用进阶
构造数据
Seaborn的heatmap各个参数介绍
案例应用：突出显示某些数据
Plotly:在IDE编辑器下使用 Plotly Express
第一个示例
第二个示例
Plotly Express 可视化使用指南
环境与数据准备
线形图（Line）
面积图（Area）
散点图（Scatter）
饼图（Pie）
柱状图（Bar）
箱形图（Box）
小提琴图（Violin）
联合分布图（Marginal）
直方图（Histogram）
漏斗图（Funnel）
平行坐标图（Parallel）
密度图（Density）
极坐标图（Polar）
图片显示（Imshow）
旭日图（Sunburst）
甘特图（Timeline）
树形图（Treemap）
三维散点图（Scatter 3D）
地图（Map）
颜色（Colors）
Plotly 生态系统的一部分
Plotly中如何保存jpeg等图片?
保存静态图片的方法
项目案例演示
Plotly中绘制三种经典的股票交易图表（含视频讲解）
背景
数据来源
面积曲线图
蜡烛图
OHLC 图
Plotly 动态演示全球疫情变化趋势
数据来源
准备工作
获取国外的疫情数据
Plotly 动态曲线图对全球疫情进行演示
数据来源
准备工作
获取国外和国内的疫情数据
疫情可视化
Plotly：升级版，用多条曲线动态演示全球疫情变化
数据来源
准备工作
获取国外和国内的疫情数据
疫情可视化
动态曲线演示疫情情况
Plotly中4种文本类型设置详解
项目环境背景
数据获取
Plotly 中文本设置
Poltly中y轴文字位置控制
写在前面
初步实践
解决方案
Plotly：一个牛逼的生物信息 Python 库 - Dash Bio
探索 3d 状态下的小分子
分析显微镜图像中的细胞
进行药代动力学分析
可视化FASTA数据
突出基因组相似性
可视化微阵列结果
搜索和选择序列
3d 分子的环境遮挡
使用 Dash Ideogram 可视化染色体
可视化基因突变
测量和注释医学图像
构建系统发育树和网络图
Final
Bokeh入门
常规步骤
绘制 circle()
Bokeh：figure 详细解读
Bokeh 中绘图的一般步骤
综合小结
Bokeh: 29种基础可视化图形
Bokeh 中绘图的一般步骤
综合小结
Bokeh中独特的数据类型简介： ColumnDataSource
直接提供数据
通过 ColumnDataSource 来提供数据
小结
Bokeh中数据的添加、修改和筛选
添加新的数据
数据更新
筛选数据
Bokeh中图形与组件的布局简介
图形的布局
组件的布局
图形和组件混合布局
Manim：Python视频制作神器
视频制作神器：Manim
我的 Manim 之路
小结
财经：Tushare 介绍
前言
注册和使用
沪深股票
指数数据
使用权限
财经：用Python来做一个投资计划
表格制作过程
函数封装
有什么用？
财经：用Python快速追踪基金的收益情况
tushare 介绍
基金信息获取
小结
财经：用Python快速获取基金的持仓变化情况
akshare 介绍
单支基金
多支基金
小结
财经：用 Python 读取巴菲特最近的持仓数据
数据表格情况
数据读取
xml 格式内容读取
项目实战：Python数据分析， UFO长啥样？
数据整理与清洗
UFO长啥样？
UFO在美国那些州（state）出现的次数比较多？
UFO在哪些年份出现的次数较多？
1997年以后的UFO事件分析
项目实战：世界杯系列
第一篇：2018世界杯：用Python分析热门夺冠球队
第二篇：德国是2018世界杯夺冠最大热门？
项目实战：福布斯系列
数据分析思路
数据采集
数据完整性检查
补充数据收集
数据清洗-2007年数据
数据清洗-2008-2010年
数据清洗-2011-2015年
数据清洗-2016年
数据清洗-2017年
学习资料: 精选文章
付费阅读文章
免费阅读文章
读者投稿文章
学习资料: Python 网站
官方网站
个人博客
金融量化
优质网站
学习资料：Python 书籍
《笨办法学Python3》
《Python编程从入门到实践》，第2版
延伸阅读
我是谁
推荐内容