容器

container（数据结构）
有3种: 序列，映射，集合

序列(sequence)

序列有6总（列表，元组，字符串，Unicode字符串，buffer对象，xrange对象）
序列的索引从0开始，对序列分片时包括开头，不包括结尾，比如A[3:4]只包括A列表的第四个成员
序列的加号操作，[1,2,3]+[4,5,6] = [1,2,3,4,5,6]
乘号参考加号 [1,2]*2 = [1,2,1,2]

通用序列操作

索引，分片（slice），加，乘，迭代，最大，最小，长度
索引从0开始，最后一个元素是-1（从右向左索引）
分片: 访问倒数3个 A[-3:]，访问正数3个A[:3]

步长为2访问 A[0:10:2]，步长可以为负，从右向左。

相加 [1,2]+[3,4]-->[1,2,3,4]
相乘 [1,2]*3 --> [1,2,1,2,1,2]

A=[None]*10 生成长度为10的空的列表

成员资格：in，布尔运算符
len （长度），min，max
enumerate: 对一个列表或数组既要遍历索引又要遍历元素时

for index，text in enumerate(list): 
  print index ,text

列表

列表的元素可以修改，字符串不能

x=[1,1,1],x[1]=2
del x[1]
x[1:1]=[2,3,4] 分片赋值，注意这相当于插入

列表方法

append, count, extend, index, insert
pop (删除指定位置元素，并返回该元素，同时修改列表)，实现栈的功能，入栈（push），出栈（pop），Python里面没有push，用append功能实现
remove，reverse，sort （sort的用法要注意，参考书的39页）,sorted

改变列表的类型

a=[0.3,0.7]

b=list(map(int,a))
b=list(map(round,a)) # 四舍五入

元组

不可变序列
（1,2,3) (1，)
比如3*(40+2) 和3*(40+2,)的差别
tuple函数：把列表转换为元组
list: 把元祖装换为列表
元组貌似没有什么用处，列表基本满足所有需要

字典

字典用大括号生成，字典的元素是items，每个元素有keys，values

如果不定义keys，默认的keys就是index，那么字典的里面的values可以直接用index调用

dic={'a','b','c'}
dic[2]

a，b 是两个数组，把 a和b映射起来变成一个字典

dic=dict(zip(a,b))

如果对一个列表c，希望用dict来查值，并赋给另外一个列表d

d=[dict(x) for x in a]

下面的方法将用于合并两个字典。

def merge_two_dicts(a, b):
   c = a.copy()   # make a copy of a 
   c.update(b)    # modify keys and values of a with the ones from b
   return c

在 Python 3.5 或更高版本中，我们也可以用以下方式合并字典：

def merge_dictionaries(a, b)
  return {**a, **b}

字典默认值通过 Key 取对应的 Value 值，可以通过以下方式设置默认值。如果 get() 方法没有设置默认值，那么如果遇到不存在的 Key，则会返回 None。

d = {'a': 1, 'b': 2}
print(d.get('c', 3)) # 3

字符串

%s%d%f （字符串，整数，浮点数）[1]
join & split

A=['1','2']
B='+'.join(A)
C-B,split('+')

数组 ndarray

numpy中有个数组ndarray的数据结构 [2]

array() 可以将列表等转化为数组

asarray()和array差不多，但是不一定需要复制

如何把两个数组合并为一个数组

np.concatenate((a, b), axis=0)

集合

无序不重复集 set [3]

>>> a = [11,22,33,44,11,22]
>>> b = set(a)
>>> b
set([33, 11, 44, 22])
>>> c = [i for i in b] #注意这个用法很方便
>>> c

类

如何查看类的属性 https://www.cnblogs.com/klchang/p/7296058.html

控制语句

条件

<expression1> if <condition> else <expression2>

如果为真执行 expression1，否则执行 expression2

异常

try:
  x=input('enter the value of x')
  y=1/x
except:
  print(error)
else:
  print(1/x)
finally:
 print('whatever x, I do not care')

函数、类、模块

函数以 def(): 来定义
类以 class(): 来定义
一般一个模块指一个同名文件（文件中有一般有一个__init__()函数），或者同名文件夹（文件夹下有一个__init__.py）

import一个文件中的某个函数，或者类， from modular import sth
import一个文件夹中的某个文件： from modular import file
import一个文件夹中的某个文件中的某个函数或者类： from modular.file imprt sth

只有某个文件对应的模块可以被reload（文件修改之后需要重新加载）

先import 某个模块，然后才可以reload

函数

函数的输出用returm
lambda 函数

>>> g = lambda x:x+1

看一下执行的结果：　　　>>>g(1) 　　>>>2 可以这样认为,lambda作为一个表达式，定义了一个匿名函数，上例的代码x为入口参数，x+1为函数体:f(x)=x+1 参见http://www.cnblogs.com/evening/archive/2012/03/29/2423554.html

参数

参见 [4]
五种参数

这五种参数可以组合使用，但参数定义的顺序必须是：位置参数-->默认参数-->可变参数-->命名关键字参数-->关键字参数

位置参数
默认参数

重点：默认参数必须指向不变对象

可变参数

def calc(*numbers):
   sum = 0
   for n in numbers:
       sum = sum + n * n
   return sum

可变参数允许你传入0个或任意个参数，这些可变参数在函数调用时自动组装为一个tuple

>>> nums = [1, 2, 3]
>>> calc(*nums)

实参里调用*nums表示把nums这个list的所有元素作为可变参数传进去。这种写法相当有用，而且很常见。

关键字参数

def person(name, age, **kw):
    print('name:', name, 'age:', age, 'other:', kw)

关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict。

>>> extra = {'city': 'Beijing', 'job': 'Engineer'}
>>> person('Jack', 24, **extra)

实参中的**extra用法表示把extra这个dict的所有key-value用关键字参数传入到函数的**kw参数，kw将获得一个dict，注意kw获得的dict是extra的一份拷贝，对kw的改动不会影响到函数外的extra。

命名关键字参数（这个我比较喜欢）

如果要限制关键字参数的名字，就可以用命名关键字参数，例如，只接收city和job作为关键字参数。这种方式定义的函数如下：

def person(name, age, *, city, job):
    print(name, age, city, job)

和关键字参数**kw不同，命名关键字参数需要一个特殊分隔符，后面的参数被视为命名关键字参数。

命名关键字参数可以设定默认值，但是不能不给,可能这是和默认参数的区别

函数名

是否可以用变量做为函数名？参见 [pythontab.com/html/2013/pythonhexinbiancheng_0813/540.html]

类

类的实例的保存和载入，pickle

output = open('data.pkl', 'wb')
# Pickle dictionary using protocol 0.
pickle.dump(data1, output) 
output.close()

pkl_file = open('data.pkl', 'rb')
data1 = pickle.load(pkl_file)
pkl_file.close()

内部变量，魔方方法

__file__

查找源文件位置 print(ppxf.__file__)

__name__,__main__

if __name__ == '__main__': test()

__init__ （初始化方法）

def __init__(self)

__all__ （显示可见功能）

copy.__all__

__doc__ （文档）

print(copy.copy.__doc__)

使用print输出对象时，只要自己定义了__str__(self)方法，那么就会打印从在这个方法中return的数据 [5]

脚本和模块

画图

参见Matplotlib
交互式，数据可视化Bokeh
还有spotify下的Charitfy（基于Bokeh）

输入输出

格式

print("%10.3f"% (356.08977))
在输出ndarray的时候，设置输出的数的精度

np.set_printoptions(precision=2)

浮点数转换为字符串保留两位小数

value = 100.000

final = "{:.2f}".format(value) 
str2='%.2f'%value

文件输入

ascii 文件

pandas 中的read_table
numpy中的genfromtext

ppxf 中根据该程序写了一个接口程序 readcol

文件输出

f = open("chain.dat", "w")
k=1000
l=10
s='line'

格式输出

f.write("{0:4d} {1:d}\n".format(k,l)) #str.format 用法 0是第一个参数，1是第二个参数，：后面是格式， write只能是字符串
f.write('line 1: {:0>3d},{:.2f}'.format(a,b)+'\n') #0表示左边补0, >表示右对齐，3表示宽为3个字符
f.write("line 1:%3d %4.2f" %(a,b)) #C语言格式，感觉更友好

默认格式输出

 data=[s,k,l]
 f.write(','.join([str(i) for i in data])+'\n')
 print(s.k,l,file=f)

关闭文件

f.close()

写成csv文件

利用pandas的dataframe

例子，xmean，ymean，ystd是三个一维数组，需要输出

data={'RtoRe':xmean,'ymean':ymean,'ystd':ystd} #先生成一个字典
df=pd.DataFrame(data)
df.to_csv('mydata.csv',index=False)

表格输出

table={'XCENTER': [0.2, 0.44]}
ascii.write(table, formats={'XCENTER': '%12.5f'})

Packages

glob 查找文件位置

os 系统的一些变量

dir=os.getenv('bc03_dir')

os.getcwd() #获取当前目录的绝对路径

astropy

scipy

numpy

pandas

命令行解析工具 Argparse [6]

消光：sfdmap and extinction

https://github.com/kbarbary/sfdmap

healpy

链接

带下划线变量的意义 [7]

Python

容器