1. 模块和包

2. random随机数

3. datetime日期模块

4. pandas和DataFrame

1.1  模块：就是一个以.py结尾的文件，模块中可以定义函数，类和变量，可执行的代码

Python模块分为：内置模块和第三方模块

（1）模块安装：pip3 install 模块名1 -i 国内镜像地址 （或在pycharm中设置àpython解释器）

华为镜像源  https://mirrors.huaweicloud.com/

扫描二维码关注公众号，回复： 16642820 查看本文章

阿里云 http://mirrors.aliyun.com/pypi/simple/

中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

浙江大学开源镜像站    http://mirrors.zju.edu.cn/

腾讯开源镜像站    http://mirrors.cloud.tencent.com/pypi/simple

豆瓣 http://pypi.douban.com/simple/

网易开源镜像站    http://mirrors.163.com/

搜狐开源镜像    http://mirrors.sohu.com/

（2）导入模块中全部功能：import 模块名1 as 别名，模块名2 as别名2       

部分功能：from 模块名 import 函数名1 as别名1，函数名2 as 别名2

（3）导入模块后使用方式：模块名/别名.函数/变量名

1.2  包：包中包含多个模块，可以将多个功能相似或关联的模块放在一起管理

1.3  os模块常用方法：

（1）获取当前工作路径：getcwd（）

（2）获取当前路径下的文件及文件夹列表：listdir（）或walk（）

（3）判断路径下的文件是否存在：.path.exists（"路径"）

（4）创建文件夹：mkdir（"路径"）创建单个文件夹，当文件存在时无法创建，

makedirs（）递归创建多个嵌套文件夹

（5）删除文件夹：rmdir（"路径"），只能删除空文件夹  

（6）路径拼接：os.path.join（"路径1"，"路径2"）

（7）拆分路径：os.path.split（path）拆成绝对路径和文件名

（8）获取绝对路径：os.path.dirname（path）

（8）获取文件名：os.path.basename（path）

（9）判断路径是否为文件夹：os.path.isdir（path）

     判断路径是否为文件：os.path.isfile（path）

（10）返回当前操作系统下的路径分隔符：os.path.sep

（11）查看文件字节大小：os.path.getsize（path）

（12）查看当前模块下的模块或方法：dir（）

2.1  常用方法：

（1）random.random（）：随机产生0-1 的浮点数

（2）random.randint（a,b）：随机生成a,b之间的随机整数

（3）random.uniform（a,b）：随机生成a,b之间的浮点数

（3）random.choice（序列）：随机从序列中生成一个随机数

（4）random.sample（序列，长度）：随机从序列中获得指定长度的随机数

（5）random.shuffle(序列)：打乱

3.1  date

（1）获取当前日期：datetime.date.today()，获取年，月，日

3.2  time

时间转换

3.3  datetime：now（）获得程序当前时间，today（）获得今天时间

3.4  timedelta

3.5  tzinfo虚拟基

4.1  series：是pandas中一维的、可变长度的、有序的、带标签的数组

（1）series的生成：通过列表、字典、标量等等可迭代对象生成（可指定索引）

（2）series矢量计算：

numpy.nan 为空值：任意计算都为空，需做处理为0后计算

索引对齐：索引相同的可以直接计算，索引不同的自动补齐NaN值计算出空值

（3）位置索引（通过iloc[]取值）和标签索引（通过loc[]取值）：

（4）切片：

通过位置索引切片：series名.iloc[start : stop : step]（左闭右开）

或通过标签索引切片：series名.loc[start : stop : step]（左闭右闭）

（5）添加或修改值：有该索引则修改，无则新增（位置索引只能修改，不能用此方法新增）

（6）删除元素（默认inplace=False，删除则为原地操作True）：原地操作即在原件中操作，False则为复制一份再删除

（7）其他常用函数：add(),sub(),div(),mul(),isnull(),notnull(),sum(),max()........

replace（）:替换操作

contains（）:查看每个元素是否包含某个字符，每次判断返回一个bool值

4.2  DataFrame：一种数据类型（可以变相的理解为多个sseries组合而成）

（1）创建方式：

通过列表创建

通过字典创建：

使用series转换成DataFrame：.to_frame()

（2）读取表格：read_excel或read_csv对应读取不同格式的表格

（3）写出表格：写出为csv文件或其他类型的文件to_csv、to_excel.........

（4）更改表格中字段数据类型：

df = pandas.read_csv(r"E:\desktop\1_copy.csv",usecols=["列名"])

df["列名"] = df["列名"].astype(float)

（5）查看行数df.index：

列名list(df)：

查看具体信息df.info()：

读取前n行，默认为5行df.head()：

读取后n行，默认为5行df.tail()：

查看数据形状df.shape：

随机抽取数据中n行，默认抽取一行df.sample()：

查看单列数据：df["列索引"]或df. 列索引

查看多列数据：

（6）增加或修改单列：df["列索引"] = 列数据（如果列索引存在则修改，不存在则新增）

修改或增加多列：df.assign(列索引=数据，列索引2=数据..........)

（7）删除单列：df.drop("列索引", axis = 1)（axis默认为0为行，=1则为列）

删除多列：df.drop(["列索引1","列索引2"..........], axis = 1)

del ，pop：删除

（8）位置索引和标签索引：

切片：通过位置索引切片：df.iloc[start : stop : step]（左闭右开）；

或通过标签索引切片：df.loc[start : stop : step]（左闭右闭）

（9）增加一行数据（了解，不推荐使用）：df._append([[数据1，数据2......]]， colnmns=[列名1,列名2......])

增加行（常用）：pandas.concat（[df1,df2,df3.....] , keys= , axis= ）keys为指定合并后的列名，多个列名使用列表传入；axis合并方向按照行或列合并，默认为0按行合并（合并成多行），为1则为按列合并（合并成多列）

（10）删除行：df.drop（[行索引1,行索引2.......],inplace = True/False）inplace默认为False非原地操作

（11）获取表格中某个元素：

df.loc[3].loc["c"]可合并成àdf.loc[3, "c"]   或df.iloc[2].loc[2]索引种类不同不能合并

随机生成df，行标签索引为1-10，列标签索引为a-e：

先取行再取列等价查询方式：先取行再取列一共有四种取法：loc[].iloc[] ,  loc[].loc[],  iloc[].loc[],  iloc[].loc[]

先取列，再取行：直接用df.列标签索引.行索引（df.列标签索引取出来为series多个元素）

（12）获取表格中多个元素：[]中括号内填写列表

取多行