之前有一段时间有接触过python，但是没有去总结，所以现在就基本上把python给忘光了，所以打算再按照自己的思路再次去学习python，一边学习一边总结，也希望各路大神能给点学习上的意见，当然python的学习方向很广，其涵盖的行业、技术也分很多种，我就主要学习python在数据分析的应用，之前很多时间都放在R的学习上，现在就可以挑战一下，两手准备，左手python，右手R。

要学习python数据处理分析方面的应用，首先得有数据在python中，所以我会首先了解如何在python中创建数据，python中常见的数据类型有哪些，如何在外部导入数据和导出数据等等。我们一步步来：

一、python创建数据及类型

我学习python使用的软件是pycharm，主要是用习惯了图形界面的语言编译环境，python shell 有点受不了。言归主题，我们在python中创建数据的方法其实与R语言是基本一致的，不用额外地声明变量类型，比如：

a=1  #创建数组型变量
b = "hello python" #创建字符型变量

在python中数据类型主要是分为8类:
1、number 数值型(整数、浮点数、复数)
2、string 字符串
3、boolean 布尔值(True False)
4、none 空值
5、list 列表
6、tuple 元组
7、dict 字典
8、set 集合

其实8种类型的数据，列表、元组、字典和集合我们可能听的比较懵逼，其他应该都很容易理解，下面我们就简单学习一下这几种形式的数据：

·list 列表

list列表型数据是以"[]"括着我们的数据，括号中的每个数据以逗号相隔，且列表中的元素可以是任意类型，甚至是列表类型，也就是说列表可以嵌套。例如：

a = [1,2,"hello python",True,[3,4,6]]

我们发现python中的列表数据与R语言中的向量的类型有点相识,不同点在于列表类型数据可以是不同类型的数据，其次是列表元素的或取，如果我们要获取列表中的第一个元素，python默认第一个元素的位置是0，所以第一个元素应该为a[0]，依次类推。

·tuple 元组

Python的元组与列表类似，不同之处在于元组的元素不能修改，元组使用小括号，列表使用方括号，且元组创建很简单，只需要在括号中添加元素，并使用逗号隔开即可，另外元组元素的提取也是与列表一致。与列表相比，元组操作速度要更快，且其不可修改性提高了数据的安全性。

tp1 = (1,2,"python")

·dict 字典

字典就是一个关联数组，包括键值key和value，就像属性和属性下的取值一样，一个字典内可以包含多个key和value，且以key:value的形式组合，每个键值组合之间以逗号相隔。整个字典包括在花括号{}中 ,格式如下所示：

dict = {'color': 'red', 'length': '12', 'width': '8'}

字典是无序的，如果我们需要访问字典，则需按照"字典名[key]"的形式。字典的key是不能变的，所以list不能作为key，但字符串、元祖、整数等都是可以。

·set 集合

集合是一个无序的不重复元素序列，可以看做是一组key的集合，但不存储value。使用大括号{ }或者set()函数创建集合，如果创建一个空集合就必须用set()而不是{ }，因为{ }是用来创建一个空字典。如果使用set创建集合，则需要以列表形式输入数据。

basket = {'apple', 'orange', 'apple', 'pear', 'orange', 'banana'}
#使用set创建集合
basket = set(['apple', 'orange', 'apple', 'pear', 'orange', 'banana'])

上面就简单介绍一下python中各种数据类型，只是给各种类型的数据留个初步的认识，后面的学习会涉及到更多方法的运用。

二、python导入数据和导出数据

1、导入数据

外部导入数据的问题首先涉及数据的类型，常见的数据类型一般有txt、csv、xlsx、sav或者数据库等等，那么我们从经常打交道的txt和excel入手，看看如何将数据导入python。网上有介绍很多中导入数据的方法，我就选择一些最方便最易理解的来说吧，如果是从读写模式介绍估计会有点懵，所以导入数据我们就先使用python的pandas库和xlrd库。我们使用import导入pandas库之后，直接使用read_table()这个方法就可以实现对txt数据的读取。

#导入txt文件,sep是分隔符参数
import pandas as pd
x = pd.read_table('C:\\Users\\Administrator\\Desktop\\test.txt', sep=',')

同样地对csv文件我们也可以采用同样的方法进行读取：

# 读取csv文件
x = pd.read_csv("C:\\Users\\Administrator\\Desktop\\test.csv")

对于读取xlsx文件，我们则需要另外一个库的帮忙，xlrd库。

# 读取xlsx文件
x = xlrd.open_workbook("C:\\Users\\Administrator\\Desktop\\test.xlsx")

如果我们不想每次导入数据都要写文件完整的路径，我们可以通过设置工作目录的方法，这样我们导入数据的时候就只需要输入文件名及其后缀名，例如：

# 加载os库

import os
os.chdir('C:\\Users\\Administrator\\Desktop')
x = xlrd.open_workbook("test.xlsx")

上面用到导入函数其实只是介绍了最简单的导入功能，其中还有很多细节的设置，比如修改列名，是否输出行序号等等，大家之后可以在网上阅读更为详细的用法介绍。

2、导出数据

导出数据需要是DataFrame对象，这个东西是不是有点眼熟，跟R中的数据框有点相似？同样地我们需要导入pandas库：

#导出csv文件
import pandas as pd
data = [{"a":i,"b":2*i} for i in range(3)]
data1 = pd.DataFrame(data)
data1.to_csv('C:\\Users\\Administrator\\Desktop\\test2.csv')
# 导出xlsx文件
import openpyxl
data1.to_excel('C:\\Users\\Administrator\\Desktop\\test2.xlsx')

简单地介绍完导出数据的方法，可能大家会觉得有点乱，又是import，又是库，dataFrame等等一堆新名词，不过没有关系，我们想掌握使用的方法，具体要如何理解，我们通过逐步的学习日后就能慢慢体会，毕竟面对python，我只是小白一枚，还是得多多学习ヽ(ー_ー)ノ。
上面可能会有人会问库大概是什么东西，其实python的库与R语言的拓展包有点相同，用之前要先下载安装，用的时候要加载只是python需要import而R语言需要libaray。