“卷王”的 Python 学习之路

“卷”个孤寂

作为一个平平无奇的”卷王”，我好久之前就去学过 Python。

那时候，我在公司的一个跨国部门里做开发，当时的网站是国外搭档开发的，运用的 Django 结构。

得学啊，不学作业都保不住。

所以，我报了个班。

可是（此处应有转机）:

学成了，没用上。

用不上，又惦记着。

惦记着，但全忘了。

岁月可回首，Python 得从头。

可是，从头学也要有方法，方能事半功倍，节省学习成本。

“卷”对路子

有时候学东西就像搭积木，先部分完成，最终拼装在一起。

假如一开始就像绘画那样完成一副画作，可能会有些难度。

可是，搭积木，初始状态下，不需求拥有太多的根底能力，能看得懂图纸就行。

因为入门快，所以能很快体会到搭积木的趣味。

学东西亦是如此，先感兴趣，然后能上手并有所收成，得到持续的满足感，能够协助坚持学习的热心。

我这次挑选的方法是：

先完成功用，然后依据完成的成果代码，倒推每一步完成思路。

“卷王”的代码智能生成之路

CodeArts Snap：我的 AI 编程帮手

CodeArts Snap 是华为云供给的智能编程帮手，支撑函数级代码主动生成、代码生成引荐、多个生成成果方案供给等。

还有很重要的一点是，PyCharm 中有现成的插件可用。

小试牛刀：检查表格的统计数据

CodeArts Snap 用起来挺便利的，在 PyCharm 中安装好插件，登录华为云的账户（前提是现已成功申请试用）。

新增 py 文件，在文件中加入功用注释，然后单击”return”键，便能够主动生成代码。

下面，咱们来试验一个”检查表格的统计数据”的功用。

数据表格

功用注释

CodeArts Snap 支撑中英文双语注释，我一般会采用中文注释：

"""
完成一个函数并打印函数成果：
1、读取Excel表格，指定表格中的"日期"列为索引列；
2、回来描述性统计数据。
:return:
"""

生成代码

在注释下方，单击”return”键，便能够主动生成代码。

import pandas
def read_excel(file_name):
    data = pandas.read_excel(file_name)
    return data
def describe_data(data):
    print(data.describe())

函数调用

上面的代码其实不太完美，没有主动生成函数调用的代码（也许我没有加对正确的注释），所以我自己加了一行：

describe_data(read_excel('abnormal.xlsx'))

运转成果

运转成果中每个值的释义如下：

count：观测的计数

mean：平均值

std：标准差

min：最小值

25%：1/4分位数

50%：1/2分位数

75%：3/4分位数

max：最大值

代码解析

因为我试验的这个功用相对简单，所以代码解析起来也不费力。

这次代码完成的关键在于 pandas 库，凭借它读取Excel文件并打印统计数据信息。

# pandas是一个快速、强大、灵敏且易于运用的开源数据剖析和操作工具，建立在Python编程言语之上
import pandas
# 文件读取函数
# 依据文件名读取Excel文件，并回来读取到的数据
def read_excel(file_name):
    # read_excel：pandas 供给的读取Excel文件的函数
    data = pandas.read_excel(file_name)
    return data
# 打印统计数据信息函数
# 依据文件数据，打印统计数据信息
def describe_data(data):
    # describe 函数：生成描述性统计数据，总结数据集散布的会集趋势，涣散和形状。
    print(data.describe())

注：想了深化了解 pandas，能够单击pandas 官网检查更多。

晋级应战：获取统计数据中的极差

极差公式

极差 = 最大值 – 最小值

功用注释

"""
完成一个函数：
1、读取Excel表格；
2、获取表格的描述性统计数据ds；
3、获取ds的最大值减去最小值的差值range，打印range。
:return:
"""

生成代码

这个代码里，有两个小瑕疵：

• 把最大值和最小值都打印了，注释中没有写需求打印这两个值，说明对注释解析的还不够透彻；
• 尽管加了注释，可是注释加的不准确。

def get_min_max(file_name):
    # 翻开文件
    data = pandas.read_excel(file_name)
    # 获取表格的描述性统计数据
    ds = data.describe()
    # 获取表格的最大值去最小值的差值range,打印range
    print(ds.loc['max'])
    print(ds.loc['min'])
    # 回来表格的最大值去最小值的差值range,打印range
    print(ds.loc['max'] - ds.loc['min'])

函数调用

get_min_max('abnormal.xlsx')

运转成果

这个成果还是相对符合预期的

代码解析

def get_min_max(file_name):
    # 翻开文件，获取Excel文件的数据，保存到data中
    data = pandas.read_excel(file_name)
    # 获取表格的描述性统计数据，保存到ds中
    ds = data.describe()
    # loc：经过标签或布尔数组拜访一组行和列。
    # 打印描述性统计数据中的最大值
    print(ds.loc['max'])
    # 打印描述性统计数据中的最小值
    print(ds.loc['min'])
    # 打印最大值去最小值的差值
    print(ds.loc['max'] - ds.loc['min'])

“卷王”的总结发言

总结一下本篇文章的收成和待提高的内容。

本次收成

先来说说收成吧：

1、经过”成果倒推进程”的方法，试验进程充满趣味，让我对较为陌生的常识的抵触感降低了很多。

2、两个试验完毕之后，关于 Python 的语法和写法都有了一定了解。

3、了解了一个第三方库——pandas，知晓了它的应用场景，可用于数据剖析。

待提高

之后还有些当地需求提高：

1、对 CodeArts Snap 运用的熟练度还有待提高，尤其是功用注释文字的准确度，有时候得到的代码并不是自己想要的。

2、Python 的学习之路还得延续下去。

作者介绍

非职业「传道授业解惑」的开发者叶逐个。

《趣学前端》、《CSS想象》等系列作者。华夏美食、国漫、古风重度爱好者，刑侦、无限流小说初级玩家。

假如看完文章有所收成，欢迎点赞 | 保藏⭐️ | 留言。