# 计算机概率课程复习（开卷资料） Canonical: https://www.mirstar.net/2026/01/15/python-preview/ Author: onlymatt Published: 2026-01-15T01:32:25.000Z Updated: 2026-10-21T11:21:55.785Z Categories: Programming, Python Tags: Course Review # 📘《2025年编程模块考试速查手册》 [TOC] ## 字符串操作 ### 1. 索引与切片 ```python s = "Python" s[0] # 'P' (索引从0开始) s[-1] # 'n' (负索引从-1开始) s[0:3] # 'Pyt' (切片: [起始:结束:步长]) s[:3] # 'Pyt' (起始默认为0) s[3:] # 'hon' (结束默认为末尾) s[::2] # 'Pto' (步长为2) s[::-1] # 'nohtyP' (反转字符串) ``` ### 2. 常用方法 ```python s.split() # 按空白字符分割为列表 s.split(',') # 按逗号分割 s.strip() # 去除两端空白字符 s.strip('!') # 去除两端指定字符 s.replace('a','b') # 替换字符/子串 s.find('th') # 查找子串，返回索引(-1为未找到) s.index('th') # 同find，但未找到时报错 s.count('n') # 统计子串出现次数 s.upper()/s.lower()# 转大写/小写 s.isdigit() # 是否全数字 s.isalpha() # 是否全字母 s.startswith('Py') # 是否以指定字符串开头 s.endswith('on') # 是否以指定字符串结尾 ','.join(list) # 列表连接为字符串 ``` ### 3. 运算符 ```python s1 + s2 # 字符串拼接 s * 3 # 字符串重复 'a' in s # 判断子串是否存在 ``` ## 文件操作 ### 1. 打开与关闭 ```python # 打开文件 f = open('file.txt', 'r', encoding='utf-8') # 读取文本文件 # 模式: 'r'读 'w'写(覆盖) 'a'追加 'b'二进制 't'文本(默认) # 关闭文件 f.close() # 使用with自动关闭(推荐) with open('file.txt', 'r') as f: content = f.read() ``` ### 2. 读取文件 ```python # 读取全部内容 content = f.read() # 读取一行 line = f.readline() # 读取所有行(返回列表) lines = f.readlines() # 逐行读取(推荐) for line in f: print(line.strip()) ``` ### 3. 写入文件 ```python # 写入字符串 f.write('Hello\n') # 写入多行 lines = ['Line1\n', 'Line2\n'] f.writelines(lines) # 注意: 写入后可能需要刷新缓冲区 f.flush() ``` ### 4. 文件指针 ```python f.tell() # 返回当前指针位置 f.seek(0) # 移动指针到文件开头 f.seek(5) # 移动指针到第5个字节 ``` ### 5. 二进制文件 ```python # 读取二进制文件 with open('file.bin', 'rb') as f: data = f.read() # 写入二进制文件 with open('file.bin', 'wb') as f: f.write(b'\x00\x01\x02') ``` ### 6. CSV文件处理 ```python import csv # 读取CSV with open('data.csv', 'r') as f: reader = csv.reader(f) for row in reader: print(row) # 写入CSV with open('output.csv', 'w', newline='') as f: writer = csv.writer(f) writer.writerow(['Name', 'Age']) writer.writerow(['Alice', 25]) ``` ## 常用编码 ``` utf-8 # 最常用，支持多语言 gbk # 中文编码 ascii # 英文字符 latin-1 # 西欧语言 ``` ## 注意事项 1. 文件操作后务必关闭或使用with语句 2. 注意文件路径（相对路径/绝对路径） 3. 处理中文文件时指定encoding='utf-8' 4. 大文件建议逐行读取，避免内存不足 --- ## 运算优先级 1. **`()`** 括号（最高） 2. **`**`** 幂运算 3. **`+x` `-x` `~x` `not`** 一元运算 4. **`*` `/` `//` `%`** 乘除取余 5. **`+` `-`** 加减 6. **`<<` `>>`** 移位 7. **`&`** 按位与 8. **`^`** 按位异或 9. **`|`** 按位或 10. **`<` `<=` `>` `>=` `==` `!=` `is` `in`** 比较/成员 11. **`and`** 逻辑与 12. **`or`** 逻辑或 13. **`=` `+=` `-=`** 赋值（最低） **口决：括号 > 幂 > 正负 > 乘除 > 加减 > 移位 > 位运算 > 比较 > 逻辑 > 条件 > 赋值** ## 一、组合数据类型详解 ### 1. 列表（List）核心操作 **创建与基本操作** ```python # 创建 lst = [1, 2, 3] lst2 = list(range(10)) lst3 = [i*2 for i in range(5)] # 列表推导式 # 访问与修改 lst[0] # 访问第一个元素 lst[-1] # 访问最后一个元素 lst[1:4] # 切片访问 lst[1:4] = [10, 20] # 切片修改 ``` **增删改查** ```python # 增加元素 lst.append(4) # 末尾添加单个 lst.extend([5,6]) # 合并列表 lst.insert(2, 99) # 在索引2处插入99 # 删除元素 lst.remove(99) # 删除第一个匹配值 del lst[0] # 删除索引0的元素 value = lst.pop() # 删除并返回最后一个元素 value = lst.pop(1) # 删除并返回索引1的元素 lst.clear() # 清空列表 # 查找与统计 lst.index(2) # 返回值的索引（无则报错） lst.count(2) # 统计值出现次数 2 in lst # 判断是否存在 ``` **排序与遍历** ```python # 排序 lst.sort() # 原地排序 lst.sort(reverse=True) # 降序排序 sorted_lst = sorted(lst) # 返回新列表 lst.sort(key=lambda x: x%3) # 按自定义规则排序 # 遍历 for i in range(len(lst)): # 方式1：索引遍历 print(i, lst[i]) for item in lst: # 方式2：直接遍历 print(item) for i, item in enumerate(lst): # 方式3：枚举遍历 print(i, item) ``` ### 2. 字典（Dict）核心操作 **创建与基本操作** ```python # 创建 d = {} # 空字典 d = dict() # 空字典 d = {'a': 1, 'b': 2} d = dict([('a',1), ('b',2)]) # 元组列表转换 # 访问与修改 d['a'] = 10 # 修改或添加 value = d.get('a', 0) # 安全访问，不存在返回0 value = d.setdefault('c', 100) # 不存在则设置默认值并返回 ``` **增删改查** ```python # 增加/修改 d.update({'c':3, 'd':4}) # 批量更新 d['e'] = 5 # 单个添加 # 删除 del d['a'] # 删除键'a' value = d.pop('b') # 删除并返回值 key, value = d.popitem() # 删除最后一个键值对 d.clear() # 清空字典 # 查找与遍历 'a' in d # 判断键是否存在 len(d) # 键值对数量 # 遍历 for key in d: # 遍历键 print(key, d[key]) for key in d.keys(): # 明确遍历键 print(key) for value in d.values(): # 遍历值 print(value) for key, value in d.items(): # 遍历键值对 print(key, value) ``` **字典进阶操作** ```python # 字典推导式 {x: x**2 for x in range(5) if x%2==0} # 排序 sorted_by_key = dict(sorted(d.items())) # 按键排序 sorted_by_value = dict(sorted(d.items(), key=lambda x: x[1])) # 按值排序 sorted_by_value_desc = dict(sorted(d.items(), key=lambda x: x[1], reverse=True)) # 按值降序 ``` ### 3. 元组与集合 **元组（Tuple）不可变序列** ```python t = (1, 2, 3) t = 1, 2, 3 # 不加括号也是元组 len(t), t[0], t[1:3] # 长度、索引、切片 a, b, c = t # 解包 t.index(2), t.count(2) # 查找、计数 ``` **集合（Set）不重复元素** ```python s = {1, 2, 3} s = set([1, 2, 2, 3]) # 列表转集合，自动去重 s.add(4) # 添加元素 s.remove(2) # 删除元素（不存在则报错） s.discard(99) # 安全删除（不存在不报错） s.pop() # 随机删除一个元素 # 集合运算 s1 | s2 # 并集 s1 & s2 # 交集 s1 - s2 # 差集 s1 ^ s2 # 对称差集 s1 <= s2 # 子集判断 ``` --- ## 二、Pandas数据处理详解 ### 1. 数据结构创建 **Series创建** ```python import pandas as pd # 从列表创建 s = pd.Series([1, 3, 5, 7], index=['a', 'b', 'c', 'd']) # 从字典创建 s = pd.Series({'a': 1, 'b': 3, 'c': 5}) # 从标量创建（重复值） s = pd.Series(5, index=['a', 'b', 'c']) ``` **DataFrame创建** ```python # 从字典创建（最常用） df = pd.DataFrame({ '姓名': ['张三', '李四', '王五'], '年龄': [20, 25, 30], '成绩': [85, 90, 88] }) # 从列表创建 df = pd.DataFrame( [['张三', 20, 85], ['李四', 25, 90], ['王五', 30, 88]], columns=['姓名', '年龄', '成绩'] ) # 从Series创建 df = pd.DataFrame({'列1': s1, '列2': s2}) ``` ### 2. 数据查看与基本信息 ```python df.head() # 前5行 df.head(10) # 前10行 df.tail() # 后5行 df.shape # (行数, 列数) df.info() # 数据类型信息 df.describe() # 数值列统计摘要 df.columns # 列名 df.index # 索引 df.dtypes # 每列数据类型 df.isnull().sum() # 每列缺失值数量 ``` ### 3. 数据读取与写入 ```python # 读取 df = pd.read_csv('data.csv') # 读取CSV df = pd.read_excel('data.xlsx') # 读取Excel df = pd.read_excel('data.xlsx', sheet_name='Sheet1') # 指定工作表 # 写入 df.to_csv('output.csv', index=False) # 写入CSV（不保存索引） df.to_excel('output.xlsx', index=False) # 写入Excel df.to_excel('output.xlsx', sheet_name='结果') # 指定工作表名 ``` ### 4. 数据选择与过滤 **列选择** ```python df['姓名'] # 单列（返回Series） df[['姓名', '年龄']] # 多列（返回DataFrame） ``` **行选择** ```python df.iloc[0] # 按位置选择第0行 df.iloc[0:5] # 按位置选择0-4行 df.iloc[[0,2,4]] # 按位置选择多行 df.loc[0] # 按索引选择第0行 df.loc[0:5] # 按索引选择0-5行 df.loc[df['年龄'] > 25] # 按条件选择 ``` **条件过滤** ```python # 单条件 df[df['成绩'] > 85] # 多条件（注意括号） df[(df['成绩'] > 85) & (df['年龄'] < 30)] # 且 df[(df['成绩'] > 85) | (df['年龄'] < 25)] # 或 # 模糊匹配 df[df['姓名'].str.contains('张')] # 包含"张" df[df['姓名'].str.startswith('张')] # 以"张"开头 ``` ### 5. 数据清洗与处理 ```python # 处理缺失值 df.dropna() # 删除包含NaN的行 df.fillna(0) # 填充NaN为0 df.fillna(method='ffill') # 向前填充 df.fillna(method='bfill') # 向后填充 df.fillna(df.mean()) # 用列均值填充 # 重复值处理 df.drop_duplicates() # 删除重复行 df.drop_duplicates(subset=['姓名']) # 基于指定列去重 # 类型转换 df['年龄'] = df['年龄'].astype(float) # 转换为浮点型 ``` ### 6. 数据排序与分组 ```python # 排序 df.sort_values('成绩') # 按成绩升序 df.sort_values('成绩', ascending=False) # 按成绩降序 df.sort_values(['年龄', '成绩']) # 多列排序 # 分组统计 grouped = df.groupby('班级') # 按班级分组 grouped['成绩'].mean() # 每班平均成绩 grouped['成绩'].agg(['mean', 'max', 'min']) # 多统计指标 grouped.agg({'成绩':'mean', '年龄':'max'}) # 不同列不同统计 # 透视表 pd.pivot_table(df, values='成绩', index='班级', columns='性别', aggfunc='mean') ``` ### 7. 数据合并与重塑 ```python # 合并 pd.concat([df1, df2]) # 上下合并 pd.concat([df1, df2], axis=1) # 左右合并 # 连接（类似SQL JOIN） pd.merge(df1, df2, on='学号') # 内连接 pd.merge(df1, df2, on='学号', how='left') # 左连接 # 数据重塑（宽表转长表） df_melted = df.melt(id_vars=['姓名'], value_vars=['语文', '数学']) ``` --- ## 三、Matplotlib可视化详解 ### 1. 图形基本设置 ```python import matplotlib.pyplot as plt import numpy as np # 创建图形和坐标轴 fig, ax = plt.subplots(figsize=(10, 6)) # 10x6英寸 # 或使用传统方式 plt.figure(figsize=(10, 6)) # 解决中文显示问题 plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置中文字体 plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题 # 添加标题和标签 plt.title('图表标题', fontsize=16) plt.xlabel('X轴标签') plt.ylabel('Y轴标签') # 设置坐标轴范围 plt.xlim(0, 10) plt.ylim(0, 100) # 设置刻度 plt.xticks([0, 2, 4, 6, 8, 10]) plt.xticks(rotation=45) # X轴标签旋转45度 # 添加网格 plt.grid(True, linestyle='--', alpha=0.5) # 添加图例 plt.legend(['数据1', '数据2'], loc='upper left') # 保存图形 plt.savefig('chart.png', dpi=300, bbox_inches='tight') # 显示图形 plt.show() ``` ### 2. 折线图（重点） ```python # 准备数据 x = np.arange(0, 10, 0.1) y1 = np.sin(x) y2 = np.cos(x) # 绘制多条折线 plt.plot(x, y1, label='sin(x)', color='red', linestyle='-', linewidth=2, marker='o', markersize=4) plt.plot(x, y2, label='cos(x)', color='blue', linestyle='--', linewidth=1, marker='s', markersize=4) # 或使用简写格式 plt.plot(x, y1, 'r-o', label='sin(x)') # r:红色, -:实线, o:圆点标记 plt.plot(x, y2, 'b--s', label='cos(x)') # b:蓝色, --:虚线, s:方形标记 # 标记特殊点 plt.scatter(x[50], y1[50], color='green', s=100, zorder=5) # 散点标记 plt.annotate('峰值', xy=(x[50], y1[50]), xytext=(x[50]+1, y1[50]+0.2), arrowprops=dict(arrowstyle='->')) # 添加标注 # 填充区域 plt.fill_between(x, y1, y2, where=(y1>y2), color='green', alpha=0.3) ``` ### 3. 条形图（重点） ```python # 准备数据 labels = ['A', 'B', 'C', 'D'] values = [25, 40, 30, 45] # 垂直条形图 plt.bar(labels, values, color=['red', 'green', 'blue', 'orange'], alpha=0.7, width=0.5) # 水平条形图 plt.barh(labels, values, color='skyblue', alpha=0.7, height=0.5) # 分组条形图 x = np.arange(len(labels)) width = 0.35 plt.bar(x - width/2, values1, width, label='第一组') plt.bar(x + width/2, values2, width, label='第二组') plt.xticks(x, labels) # 堆叠条形图 plt.bar(labels, values1, label='部分1') plt.bar(labels, values2, bottom=values1, label='部分2') # 在条形上添加数值 for i, v in enumerate(values): plt.text(i, v + 1, str(v), ha='center') ``` ### 4. 饼图（重点） ```python # 准备数据 labels = ['A', 'B', 'C', 'D'] sizes = [15, 30, 45, 10] colors = ['red', 'green', 'blue', 'orange'] explode = (0, 0.1, 0, 0) # 突出显示第二块 # 绘制饼图 plt.pie(sizes, labels=labels, colors=colors, explode=explode, autopct='%1.1f%%', shadow=True, startangle=90) # autopct格式选项 # %1.1f%% 表示1位整数和1位小数的百分比 # %d%% 表示整数百分比 # 使饼图为正圆形 plt.axis('equal') # 添加标题 plt.title('饼图示例') ``` ### 5. 子图绘制 ```python # 创建2x2的子图网格 fig, axes = plt.subplots(2, 2, figsize=(12, 8)) # 在第0行第0列绘制 axes[0, 0].plot(x, y1) axes[0, 0].set_title('子图1') # 在第0行第1列绘制 axes[0, 1].bar(labels, values) axes[0, 1].set_title('子图2') # 在第1行第0列绘制 axes[1, 0].scatter(x, y2) axes[1, 0].set_title('子图3') # 在第1行第1列绘制 axes[1, 1].pie(sizes, labels=labels) axes[1, 1].set_title('子图4') # 调整子图间距 plt.tight_layout() ``` ### 6. 常用样式和颜色 ```python # 线型 '-' # 实线 '--' # 虚线 ':' # 点线 '-.' # 点划线 # 颜色 'b' # 蓝色 'g' # 绿色 'r' # 红色 'c' # 青色 'm' # 品红 'y' # 黄色 'k' # 黑色 'w' # 白色 # 标记点 '.' # 点 ',' # 像素 'o' # 圆 's' # 方形 '^' # 上三角 'v' # 下三角 '*' # 星形 ``` ### 7. 多Y轴图形 ```python fig, ax1 = plt.subplots() # 第一个Y轴 ax1.plot(x, y1, 'r-', label='数据1') ax1.set_xlabel('X轴') ax1.set_ylabel('Y1轴', color='red') ax1.tick_params(axis='y', labelcolor='red') # 第二个Y轴 ax2 = ax1.twinx() ax2.plot(x, y2, 'b--', label='数据2') ax2.set_ylabel('Y2轴', color='blue') ax2.tick_params(axis='y', labelcolor='blue') # 合并图例 lines1, labels1 = ax1.get_legend_handles_labels() lines2, labels2 = ax2.get_legend_handles_labels() ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left') ``` --- ## 📌 考试重点提示 1. **组合数据类型**：重点掌握列表推导式、字典的遍历与排序、集合的去重操作 2. **Pandas**：重点掌握数据筛选、分组统计、合并与透视表 3. **Matplotlib**：重点掌握折线图、条形图、饼图的绘制与样式设置 4. **代码规范**：注意缩进、注释、变量命名规范 5. **调试技巧**：使用`print()`输出中间结果，使用`type()`检查数据类型 ---