Extending Python with Packages and APIs

Using functions from a local file

导入函数的方式：
1、将整个模块导入，然后通过模块名加点号的方式来访问其中的函数。也可以在第一行末尾加as，用别名。

import math

result = math.sqrt(16)  # 调用math模块中的sqrt函数
print(result)  # 输出 4.0

2、只导入需要的特定函数。

from math import sqrt

result = sqrt(16)
print(result)

3、导入模块中的所有函数和变量。

from math import *

result = sqrt(16)
print(result)

Built-in packages

• module模块 是最小的代码单元。
• package包 是多个模块的集合，用于组织代码。
• library库 是一个更广泛的概念，可以指单个模块、多个模块或一个包，通常提供特定的功能。

math 库

• 主要功能： 提供了大量的数学函数，用于进行基本的数学运算。
• 常用函数：
  • sqrt(x)：计算 x 的平方根。
  • pow(x, y)：计算 x 的 y 次方。
  • sin(x)、cos(x)、tan(x)：三角函数。
  • exp(x)：计算 e 的 x 次方。
  • log(x)、log10(x)：自然对数和以 10 为底的对数。
  • ceil(x)：向上取整。
  • floor(x)：向下取整。
  • radians(degrees)：将角度转换为弧度。
  • degrees(radians)：将弧度转换为角度。

statistics 库

• 主要功能： 提供了计算各种统计数据的函数。
• 常用函数：
  • mean(data)：计算数据的平均值。
  • median(data)：计算数据的中位数。
  • mode(data)：计算数据的众数。
  • variance(data)：计算数据的方差。
  • stdev(data)：计算数据的标准差。
  • pvariance(data)：计算总体方差。
  • pstdev(data)：计算总体标准差。

random 库

• 主要功能： 用于生成各种随机数。
• 常用函数：
  • random()：生成 [0.0, 1.0) 之间的随机浮点数。
  • randint(a, b)：生成 [a, b] 之间的随机整数。
  • uniform(a, b)：生成 [a, b) 之间的随机浮点数。
  • choice(seq)：从序列 seq 中随机选择一个元素。
  • shuffle(x)：将序列 x 中的元素随机打乱。
  • sample(population, k)：从 population 序列中随机抽取 k 个元素，组成一个新列表。

Using third-party packages

pandas

• 主要功能： pandas 是 Python 中强大的数据分析和操作工具，特别擅长处理表格型数据。
• 常用功能：
  • Series: 一维带标签数组，类似于 Excel 中的一列。
  • DataFrame: 二维带标签表格，类似于 Excel 工作表。
  • 读取数据： 从各种数据源（如 CSV、Excel、SQL 数据库）读取数据。
  • 数据清洗： 处理缺失值、重复值、异常值。
  • 数据转换： 数据类型转换、重塑、合并、分组。
  • 数据分析： 计算统计量、排序、筛选、分组聚合。
• 常用函数：
  • read_csv(), read_excel(): 读取 CSV 和 Excel 文件。
  • head(), tail(): 查看数据的前几行或后几行。
  • describe(): 计算数据的基本统计量。
  • groupby(): 按一列或多列分组。
  • merge(): 合并 DataFrame。
  • pivot_table(): 创建透视表。

NumPy

• 主要功能： 提供了高性能的多维数组对象和对这些数组进行操作的工具。
• 常用功能：
  • ndarray： 多维数组对象，是 NumPy 的核心数据结构。
  • 数组创建： 创建各种类型的数组，如随机数组、全零数组、全一数组等。
  • 数组运算： 支持向量化运算，大大提高计算效率。
  • 线性代数： 提供线性代数运算，如矩阵乘法、求逆等。
  • 随机数生成： 生成各种随机数。
• 常用函数：
  • array(): 创建数组。
  • arange(): 创建等差数组。
  • linspace(): 创建等间隔数组。
  • reshape(): 改变数组形状。
  • dot(): 计算矩阵乘积。
  • random.rand(), random.randn(): 生成随机数。

Matplotlib

• 主要功能： Matplotlib 是 Python 的绘图库，用于创建高质量的静态、动态和交互式图表。
• 常用功能：
  • 线图： 绘制折线图。
  • 散点图： 绘制散点图。
  • 直方图： 绘制直方图。
  • 饼图： 绘制饼图。
  • 箱线图： 绘制箱线图。
  • 子图： 在一个画布上绘制多个子图。
  • 自定义： 对图表进行自定义设置，如标题、标签、颜色等。
• 常用函数：
  • plot(): 绘制线图。
  • scatter(): 绘制散点图。
  • hist(): 绘制直方图。
  • pie(): 绘制饼图。
  • boxplot(): 绘制箱线图。
  • subplot(): 创建子图。

Exercise 1

答：

import pandas as pd

# Assuming 'df' is your DataFrame containing the data

# Filter rows where 'Model' contains 'Accord'
filtered_df = df[df['Model'].str.contains('Accord', case=False)]

# Display the filtered table
print(filtered_df)

df[] 不是函数，它是 pandas DataFrame 的索引运算符（indexing operator），是一种特殊的语法。

• df['Model'] 选择数据表中的’Model’列
• .str.contains('Accord', case=False)
  • 检查每一行的Model列是否包含’Accord’这个词
  • case=False 表示不区分大小写，比如’accord’、’ACCORD’都会被匹配到
  • 这会返回一个布尔值序列（True/False）
• df[...] 使用这个布尔序列来筛选原始数据表，只保留结果为True的行。

APIs to get data from the web

# 假设data是这样的JSON结构：
data = {
    'list': [                     # list是一个列表
        {                         # [0]表示取第一个元素（第一个字典）
            'main': {             
                'temp': 20.5      # 温度数据
            },
            'weather': [          # weather也是一个列表
                {                 # [0]表示取第一个天气描述
                    'description': '晴天'
                }
            ],
            'wind': {
                'speed': 5.2      # 风速数据
            }
        },
        {                        # 这是列表的第二个元素[1]
            # 更多天气数据...
        }
    ]
}

# 所以代码是这样工作的：
temperature = data['list'][0]['main']['temp']        # 获取20.5
description = data['list'][0]['weather'][0]['description']  # 获取'晴天'
wind_speed = data['list'][0]['wind']['speed']        # 获取5.2