Python数据

读取文件中数据的最高分数

highest_score=0
result_f=open("results.txt")
for line in result_f:
    (name,score)=line.split()
    if float(score)>highest_score:
        highest_score=float(score)
result_f.close()
print("最高分是:")
print(highest_score)

  

数组的应用

数组的一些方法:

count()    给出某个值在数组中出现的次数

extend()   给数组增加一列元素

index()     寻找一个数组元素并返回它的索引值

insert()    在任意索引位置增加一个数组元素

pop()       删除并返回最后一个数组元素。

remove() 删除并返回数组的第一个元素。

reverse() 把数组按相反的顺序排列

sort()     用特定的顺序给数组排序(从低到高)

scores=[]
result_f=open("results.txt")
for line in result_f:
    (name,score)=line.split()
    scores.append(float(score))
result_f.close()
print("最高分是:")
print(scores[0])
print(scores[1])
print(scores[2])

 改进后的代码

scores=[]
result_f=open("results.txt")
for line in result_f:
    (name,score)=line.split()
    scores.append(float(score))
result_f.close()

scores.sort()
scores.reverse()#这两句代码等同于scores.sort(reverse=True)

print("最高分是:")
print(scores[0])
print(scores[1])
print(scores[2])

  总结:

open() 打开一个文件

close() 关闭一个文件

for      迭代某些东西

string.split()     把字符串分割成很多部分

[]      数组索引操作符

array.append()    在数组的末尾增加一个元素。

时间: 2024-10-14 00:19:33

Python数据的相关文章

Python 数据类型转换

函数                      描述      int(x [,base ])         将x转换为一个整数      long(x [,base ])        将x转换为一个长整数      float(x )               将x转换到一个浮点数      complex(real [,imag ])  创建一个复数      str(x )                 将对象 x 转换为字符串      repr(x )             

Python数据类型转换

Python数据类型之间的转换 函数 描述 int(x [,base]) 将x转换为一个整数 long(x [,base] ) 将x转换为一个长整数 float(x) 将x转换到一个浮点数 complex(real [,imag]) 创建一个复数 str(x) 将对象 x 转换为字符串 repr(x) 将对象 x 转换为表达式字符串 eval(str) 用来计算在字符串中的有效Python表达式,并返回一个对象 tuple(s) 将序列 s 转换为一个元组 list(s) 将序列 s 转换为一个

Python 数据图表工具的比较

Python 的科学栈相当成熟,各种应用场景都有相关的模块,包括机器学习和数据分析.数据可视化是发现数据和展示结果的重要一环,只不过过去以来,相对于 R 这样的工具,发展还是落后一些. 幸运的是,过去几年出现了很多新的Python数据可视化库,弥补了一些这方面的差距.matplotlib 已经成为事实上的数据可视化方面最主要的库,此外还有很多其他库,例如vispy,bokeh, seaborn,  pyga, folium 和networkx,这些库有些是构建在 matplotlib 之上,还有

Python 数据分析(二 本实验将学习利用 Python 数据聚合与分组运算,时间序列,金融与经济数据应用等相关知识

Python 数据分析(二) 本实验将学习利用 Python 数据聚合与分组运算,时间序列,金融与经济数据应用等相关知识 第1节 groupby 技术 第2节 数据聚合 第3节 分组级运算和转换 第4节 透视表和交叉表 第5节 时间序列 第6节 日期的规范.频率以及移动 第7节 时区处理 第8节 时期及算术运算 第9节 重采样及频率转换 第10节 时间序列绘图 groupby 技术 一.实验简介 Python 数据分析(二)需要同学们先行学完 Python 数据分析(一)的课程. 对数据集进行分

Python数据可视化编程实战——导入数据

1.从csv文件导入数据 原理:with语句打开文件并绑定到对象f.不必担心在操作完资源后去关闭数据文件,with的上下文管理器会帮助处理.然后,csv.reader()方法返回reader对象,通过该对象遍历所读取文件的所有行. 1 #!/usr/bin/env python 2 3 import csv 4 5 filename = 'ch02-data.csv' 6 7 data = [] 8 try: 9 with open(filename) as f: 10 reader = csv

【数据科学】Python数据可视化概述

注:很早之前就打算专门写一篇与Python数据可视化相关的博客,对一些基本概念和常用技巧做一个小结.今天终于有时间来完成这个计划了! 0. Python中常用的可视化工具 Python在数据科学中的地位,不仅仅是因为numpy, scipy, pandas, scikit-learn这些高效易用.接口统一的科学计算包,其强大的数据可视化工具也是重要组成部分.在Python中,使用的最多的数据可视化工具是matplotlib,除此之外还有很多其他可选的可视化工具包,主要包括以下几大类: matpl

Python数据科学-技术详解与商业实践视频教程

Python数据科学-技术详解与商业实践(八大案例)网盘地址:https://pan.baidu.com/s/13QrR_5Er6LgWCWzSb7qOrQ 提取码:s7vw备用地址(腾讯微云):https://share.weiyun.com/5y4F4rX 密码:afinqx 养成式数据科学家培养模式,针对入门难.头绪乱.进步缓慢.缺乏业界经验.面试恐惧等问题提供解决方案. 第一讲: 数据科学家的武器库第二讲:Python基础第三讲:信用卡客户特征分析-产品客户画像初步第四讲:二手房价格分析

《Python数据科学手册》【高清中文版PDF+高清英文版PDF+源代码】

下载:https://pan.baidu.com/s/1RDTQxG3vjG2xGsX4Mx-5KA 最新出版的<Python数据科学手册>. <Python数据科学手册>[中文版和英文版][高清完整版PDF]+[配套源代码] 高清中文版PDF,474页,带目录和书签,能够复制粘贴:高清英文版PDF,548页,带目录和书签,能够复制粘贴:中英文两版可以对比学习. 配套源代码: 经典书籍,讲解详细: 其中高清中文版如图 原文地址:http://blog.51cto.com/32151

分享《Python数据科学手册》【高清中文版PDF+高清英文版PDF+源代码】

下载:https://pan.baidu.com/s/1RDTQxG3vjG2xGsX4Mx-5KA 最新出版的<Python数据科学手册>. <Python数据科学手册>[中文版和英文版][高清完整版PDF]+[配套源代码] 高清中文版PDF,474页,带目录和书签,能够复制粘贴:高清英文版PDF,548页,带目录和书签,能够复制粘贴:中英文两版可以对比学习. 配套源代码: 经典书籍,讲解详细: 其中高清中文版如图 原文地址:http://blog.51cto.com/32151

《Python数据科学手册》【中文版和英文版】【高清完整版PDF】+【配套源代码】

下载:https://pan.baidu.com/s/1RDTQxG3vjG2xGsX4Mx-5KA 最新出版的<Python数据科学手册>. 高清中文版PDF,474页,带目录和书签,能够复制粘贴:高清英文版PDF,548页,带目录和书签,能够复制粘贴:中英文两版可以对比学习. 配套源代码: 经典书籍,讲解详细: 其中高清中文版如图 原文地址:http://blog.51cto.com/3215120/2306934