欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python 數(shù)據(jù)處理庫(kù) pandas 入門教程基本操作

 更新時(shí)間:2018年04月19日 09:11:31   作者:只為那傳說中美麗的草原  
pandas是一個(gè)Python語言的軟件包,在我們使用Python語言進(jìn)行機(jī)器學(xué)習(xí)編程的時(shí)候,這是一個(gè)非常常用的基礎(chǔ)編程庫(kù)。本文是對(duì)Python 數(shù)據(jù)處理庫(kù) pandas 入門教程,非常不錯(cuò),感興趣的朋友一起看看吧

pandas是一個(gè)Python語言的軟件包,在我們使用Python語言進(jìn)行機(jī)器學(xué)習(xí)編程的時(shí)候,這是一個(gè)非常常用的基礎(chǔ)編程庫(kù)。本文是對(duì)它的一個(gè)入門教程。

pandas提供了快速,靈活和富有表現(xiàn)力的數(shù)據(jù)結(jié)構(gòu),目的是使“關(guān)系”或“標(biāo)記”數(shù)據(jù)的工作既簡(jiǎn)單又直觀。它旨在成為在Python中進(jìn)行實(shí)際數(shù)據(jù)分析的高級(jí)構(gòu)建塊。

入門介紹

pandas適合于許多不同類型的數(shù)據(jù),包括:

  • 具有異構(gòu)類型列的表格數(shù)據(jù),例如SQL表格或Excel數(shù)據(jù)
  • 有序和無序(不一定是固定頻率)時(shí)間序列數(shù)據(jù)。
  • 具有行列標(biāo)簽的任意矩陣數(shù)據(jù)(均勻類型或不同類型)
  • 任何其他形式的觀測(cè)/統(tǒng)計(jì)數(shù)據(jù)集。

由于這是一個(gè)Python語言的軟件包,因此需要你的機(jī)器上首先需要具備Python語言的環(huán)境。關(guān)于這一點(diǎn),請(qǐng)自行在網(wǎng)絡(luò)上搜索獲取方法。

關(guān)于如何獲取pandas請(qǐng)參閱官網(wǎng)上的說明:pandas Installation。

通常情況下,我們可以通過pip來執(zhí)行安裝:

sudo pip3 install pandas

或者通過conda 來安裝pandas:

conda install pandas

目前(2018年2月)pandas的最新版本是v0.22.0(發(fā)布時(shí)間:2017年12月29日)。

我已經(jīng)將本文的源碼和測(cè)試數(shù)據(jù)放到Github上:pandas_tutorial ,讀者可以前往獲取。

另外,pandas常常和NumPy一起使用,本文中的源碼中也會(huì)用到NumPy

建議讀者先對(duì)NumPy有一定的熟悉再來學(xué)習(xí)pandas,我之前也寫過一個(gè)NumPy的基礎(chǔ)教程,參見這里:Python 機(jī)器學(xué)習(xí)庫(kù) NumPy 教程

核心數(shù)據(jù)結(jié)構(gòu)

pandas最核心的就是SeriesDataFrame兩個(gè)數(shù)據(jù)結(jié)構(gòu)。

這兩種類型的數(shù)據(jù)結(jié)構(gòu)對(duì)比如下:

DataFrame可以看做是Series的容器,即:一個(gè)DataFrame中可以包含若干個(gè)Series。

注:在0.20.0版本之前,還有一個(gè)三維的數(shù)據(jù)結(jié)構(gòu),名稱為Panel。這也是pandas庫(kù)取名的原因:pan-da-s。但這種數(shù)據(jù)結(jié)構(gòu)由于很少被使用到,因此已經(jīng)被廢棄了。

Series

由于Series是一維結(jié)構(gòu)的數(shù)據(jù),我們可以直接通過數(shù)組來創(chuàng)建這種數(shù)據(jù),像這樣:

# data_structure.py
import pandas as pd
import numpy as np
series1 = pd.Series([1, 2, 3, 4])
print("series1:\n{}\n".format(series1))

這段代碼輸出如下:

series1:
0 1
1 2
2 3
3 4
dtype: int64

這段輸出說明如下:

  • 輸出的最后一行是Series中數(shù)據(jù)的類型,這里的數(shù)據(jù)都是int64類型的。
  • 數(shù)據(jù)在第二列輸出,第一列是數(shù)據(jù)的索引,在pandas中稱之為Index。

我們可以分別打印出Series中的數(shù)據(jù)和索引:

# data_structure.py
print("series1.values: {}\n".format(series1.values))
print("series1.index: {}\n".format(series1.index))

這兩行代碼輸出如下:

series1.values: [1 2 3 4]
series1.index: RangeIndex(start=0, stop=4, step=1)

如果不指定(像上面這樣),索引是[1, N-1]的形式。不過我們也可以在創(chuàng)建Series的時(shí)候指定索引。索引未必一定需要是整數(shù),可以是任何類型的數(shù)據(jù),例如字符串。例如我們以七個(gè)字母來映射七個(gè)音符。索引的目的是可以通過它來獲取對(duì)應(yīng)的數(shù)據(jù),例如下面這樣:

# data_structure.py
series2 = pd.Series([1, 2, 3, 4, 5, 6, 7],
 index=["C", "D", "E", "F", "G", "A", "B"])
print("series2:\n{}\n".format(series2))
print("E is {}\n".format(series2["E"]))

這段代碼輸出如下:

series2:
C 1
D 2
E 3
F 4
G 5
A 6
B 7
dtype: int64
E is 3
DataFrame

下面我們來看一下DataFrame的創(chuàng)建。我們可以通過NumPy的接口來創(chuàng)建一個(gè)4x4的矩陣,以此來創(chuàng)建一個(gè)DataFrame,像這樣:

# data_structure.py
df1 = pd.DataFrame(np.arange(16).reshape(4,4))
print("df1:\n{}\n".format(df1))

這段代碼輸出如下:

df1:
 0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
3 12 13 14 15

從這個(gè)輸出我們可以看到,默認(rèn)的索引和列名都是[0, N-1]的形式。

我們可以在創(chuàng)建DataFrame的時(shí)候指定列名和索引,像這樣:

# data_structure.py
df2 = pd.DataFrame(np.arange(16).reshape(4,4),
 columns=["column1", "column2", "column3", "column4"],
 index=["a", "b", "c", "d"])
print("df2:\n{}\n".format(df2))

這段代碼輸出如下:

df2:
 column1 column2 column3 column4
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15

我們也可以直接指定列數(shù)據(jù)來創(chuàng)建DataFrame:

# data_structure.py

df3 = pd.DataFrme({"note" : ["C", "D", "E", "F", "G", "A", "B"],
 "weekday": ["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"]})
print("df3:\n{}\n".format(df3))

這段代碼輸出如下:

df3:
 note weekday
0 C Mon
1 D Tue
2 E Wed
3 F Thu
4 G Fri
5 A Sat
6 B Sun

請(qǐng)注意:

DataFrame的不同列可以是不同的數(shù)據(jù)類型

如果以Series數(shù)組來創(chuàng)建DataFrame,每個(gè)Series將成為一行,而不是一列

例如:

# data_structure.py
noteSeries = pd.Series(["C", "D", "E", "F", "G", "A", "B"],
 index=[1, 2, 3, 4, 5, 6, 7])
weekdaySeries = pd.Series(["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"],
 index=[1, 2, 3, 4, 5, 6, 7])
df4 = pd.DataFrame([noteSeries, weekdaySeries])
print("df4:\n{}\n".format(df4))

df4的輸出如下:

df4:
 1 2 3 4 5 6 7
0 C D E F G A B
1 Mon Tue Wed Thu Fri Sat Sun

我們可以通過下面的形式給DataFrame添加或者刪除列數(shù)據(jù):

# data_structure.py
df3["No."] = pd.Series([1, 2, 3, 4, 5, 6, 7])
print("df3:\n{}\n".format(df3))
del df3["weekday"]
print("df3:\n{}\n".format(df3))

這段代碼輸出如下:

df3:
 note weekday No.
0 C Mon 1
1 D Tue 2
2 E Wed 3
3 F Thu 4
4 G Fri 5
5 A Sat 6
6 B Sun 7
df3:
 note No.
0 C 1
1 D 2
2 E 3
3 F 4
4 G 5
5 A 6
6 B 7

Index對(duì)象與數(shù)據(jù)訪問

pandas的Index對(duì)象包含了描述軸的元數(shù)據(jù)信息。當(dāng)創(chuàng)建Series或者DataFrame的時(shí)候,標(biāo)簽的數(shù)組或者序列會(huì)被轉(zhuǎn)換成Index??梢酝ㄟ^下面的方式獲取到DataFrame的列和行的Index對(duì)象:

# data_structure.py
print("df3.columns\n{}\n".format(df3.columns))
print("df3.index\n{}\n".format(df3.index))

這兩行代碼輸出如下:

df3.columns
Index(['note', 'No.'], dtype='object')
df3.index
RangeIndex(start=0, stop=7, step=1)

請(qǐng)注意:

  • Index并非集合,因此其中可以包含重復(fù)的數(shù)據(jù)
  • Index對(duì)象的值是不可以改變,因此可以通過它安全的訪問數(shù)據(jù)

DataFrame提供了下面兩個(gè)操作符來訪問其中的數(shù)據(jù):

  • loc:通過行和列的索引來訪問數(shù)據(jù)
  • iloc:通過行和列的下標(biāo)來訪問數(shù)據(jù)

例如這樣:

# data_structure.py
print("Note C, D is:\n{}\n".format(df3.loc[[0, 1], "note"]))
print("Note C, D is:\n{}\n".format(df3.iloc[[0, 1], 0]))

第一行代碼訪問了行索引為0和1,列索引為“note”的元素。第二行代碼訪問了行下標(biāo)為0和1(對(duì)于df3來說,行索引和行下標(biāo)剛好是一樣的,所以這里都是0和1,但它們卻是不同的含義),列下標(biāo)為0的元素。

這兩行代碼輸出如下:

Note C, D is:
0 C
1 D
Name: note, dtype: object

Note C, D is:
0 C
1 D
Name: note, dtype: object

文件操作

pandas庫(kù)提供了一系列的read_函數(shù)來讀取各種格式的文件,它們?nèi)缦滤荆?/p>

  • read_csv
  • read_table
  • read_fwf
  • read_clipboard
  • read_excel
  • read_hdf
  • read_html
  • read_json
  • read_msgpack
  • read_pickle
  • read_sas
  • read_sql
  • read_stata
  • read_feather

讀取Excel文件

注:要讀取Excel文件,還需要安裝另外一個(gè)庫(kù):xlrd

通過pip可以這樣完成安裝:

sudo pip3 install xlrd

安裝完之后可以通過pip查看這個(gè)庫(kù)的信息:

$ pip3 show xlrd
Name: xlrd
Version: 1.1.0
Summary: Library for developers to extract data from Microsoft Excel (tm) spreadsheet files
Home-page: http://www.python-excel.org/
Author: John Machin
Author-email: sjmachin@lexicon.net
License: BSD
Location: /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages
Requires: 

接下來我們看一個(gè)讀取Excel的簡(jiǎn)單的例子:

# file_operation.py
import pandas as pd
import numpy as np
df1 = pd.read_excel("data/test.xlsx")
print("df1:\n{}\n".format(df1))

這個(gè)Excel的內(nèi)容如下:

df1:
 C Mon
0 D Tue
1 E Wed
2 F Thu
3 G Fri
4 A Sat
5 B Sun

注:本文的代碼和數(shù)據(jù)文件可以通過文章開頭提到的Github倉(cāng)庫(kù)獲取。

讀取CSV文件

下面,我們?cè)賮砜醋x取CSV文件的例子。

第一個(gè)CSV文件內(nèi)容如下:

$ cat test1.csv 
C,Mon
D,Tue
E,Wed
F,Thu
G,Fri
A,Sat

讀取的方式也很簡(jiǎn)單:

# file_operation.py
df2 = pd.read_csv("data/test1.csv")
print("df2:\n{}\n".format(df2))

我們?cè)賮砜吹?個(gè)例子,這個(gè)文件的內(nèi)容如下:

$ cat test2.csv 
C|Mon
D|Tue
E|Wed
F|Thu
G|Fri
A|Sat

嚴(yán)格的來說,這并不是一個(gè)CSV文件了,因?yàn)樗臄?shù)據(jù)并不是通過逗號(hào)分隔的。在這種情況下,我們可以通過指定分隔符的方式來讀取這個(gè)文件,像這樣:

# file_operation.py
df3 = pd.read_csv("data/test2.csv", sep="|")
print("df3:\n{}\n".format(df3))

實(shí)際上,read_csv支持非常多的參數(shù)用來調(diào)整讀取的參數(shù),如下表所示:

參數(shù) 說明
path 文件路徑
sep或者delimiter 字段分隔符
header 列名的行數(shù),默認(rèn)是0(第一行)
index_col 列號(hào)或名稱用作結(jié)果中的行索引
names 結(jié)果的列名稱列表
skiprows 從起始位置跳過的行數(shù)
na_values 代替NA的值序列
comment 以行結(jié)尾分隔注釋的字符
parse_dates 嘗試將數(shù)據(jù)解析為datetime。默認(rèn)為False
keep_date_col 如果將列連接到解析日期,保留連接的列。默認(rèn)為False。
converters 列的轉(zhuǎn)換器
dayfirst 當(dāng)解析可以造成歧義的日期時(shí),以內(nèi)部形式存儲(chǔ)。默認(rèn)為False
data_parser 用來解析日期的函數(shù)
nrows 從文件開始讀取的行數(shù)
iterator 返回一個(gè)TextParser對(duì)象,用于讀取部分內(nèi)容
chunksize 指定讀取塊的大小
skip_footer 文件末尾需要忽略的行數(shù)
verbose 輸出各種解析輸出的信息
encoding 文件編碼
squeeze 如果解析的數(shù)據(jù)只包含一列,則返回一個(gè)Series
thousands 千數(shù)量的分隔符

詳細(xì)的read_csv函數(shù)說明請(qǐng)參見這里:pandas.read_csv

處理無效值

現(xiàn)實(shí)世界并非完美,我們讀取到的數(shù)據(jù)常常會(huì)帶有一些無效值。如果沒有處理好這些無效值,將對(duì)程序造成很大的干擾。

對(duì)待無效值,主要有兩種處理方法:直接忽略這些無效值;或者將無效值替換成有效值。

下面我先創(chuàng)建一個(gè)包含無效值的數(shù)據(jù)結(jié)構(gòu)。然后通過pandas.isna函數(shù)來確認(rèn)哪些值是無效的:

# process_na.py
import pandas as pd
import numpy as np
df = pd.DataFrame([[1.0, np.nan, 3.0, 4.0],
   [5.0, np.nan, np.nan, 8.0],
   [9.0, np.nan, np.nan, 12.0],
   [13.0, np.nan, 15.0, 16.0]])
print("df:\n{}\n".format(df));
print("df:\n{}\n".format(pd.isna(df)));****

這段代碼輸出如下:

df:
 0 1 2 3
0 1.0 NaN 3.0 4.0
1 5.0 NaN NaN 8.0
2 9.0 NaN NaN 12.0
3 13.0 NaN 15.0 16.0
df:
 0 1 2 3
0 False True False False
1 False True True False
2 False True True False
3 False True False False

忽略無效值

我們可以通過pandas.DataFrame.dropna函數(shù)拋棄無效值:

# process_na.py
print("df.dropna():\n{}\n".format(df.dropna()));

注:dropna默認(rèn)不會(huì)改變?cè)鹊臄?shù)據(jù)結(jié)構(gòu),而是返回了一個(gè)新的數(shù)據(jù)結(jié)構(gòu)。如果想要直接更改數(shù)據(jù)本身,可以在調(diào)用這個(gè)函數(shù)的時(shí)候傳遞參數(shù) inplace = True。

對(duì)于原先的結(jié)構(gòu),當(dāng)無效值全部被拋棄之后,將不再是一個(gè)有效的DataFrame,因此這行代碼輸出如下:

df.dropna():
Empty DataFrame
Columns: [0, 1, 2, 3]
Index: []

我們也可以選擇拋棄整列都是無效值的那一列:

# process_na.py
print("df.dropna(axis=1, how='all'):\n{}\n".format(df.dropna(axis=1, how='all')));

注:axis=1表示列的軸。how可以取值'any'或者'all',默認(rèn)是前者。

這行代碼輸出如下:

df.dropna(axis=1, how='all'):
 0 2 3
0 1.0 3.0 4.0
1 5.0 NaN 8.0
2 9.0 NaN 12.0
3 13.0 15.0 16.0

替換無效值

我們也可以通過fillna函數(shù)將無效值替換成為有效值。像這樣:

# process_na.py
print("df.fillna(1):\n{}\n".format(df.fillna(1)));

這段代碼輸出如下:

df.fillna(1):
  0 1  2  3
0 1.0 1.0 3.0 4.0
1 5.0 1.0 1.0 8.0
2 9.0 1.0 1.0 12.0
3 13.0 1.0 15.0 16.0

將無效值全部替換成同樣的數(shù)據(jù)可能意義不大,因此我們可以指定不同的數(shù)據(jù)來進(jìn)行填充。為了便于操作,在填充之前,我們可以先通過rename方法修改行和列的名稱:

# process_na.py

df.rename(index={0: 'index1', 1: 'index2', 2: 'index3', 3: 'index4'},
   columns={0: 'col1', 1: 'col2', 2: 'col3', 3: 'col4'},
   inplace=True);
df.fillna(value={'col2': 2}, inplace=True)
df.fillna(value={'col3': 7}, inplace=True)
print("df:\n{}\n".format(df));

這段代碼輸出如下:

df:
  col1 col2 col3 col4
index1 1.0 2.0 3.0 4.0
index2 5.0 2.0 7.0 8.0
index3 9.0 2.0 7.0 12.0
index4 13.0 2.0 15.0 16.0

處理字符串

數(shù)據(jù)中常常牽涉到字符串的處理,接下來我們就看看pandas對(duì)于字符串操作。

Series的str字段包含了一系列的函數(shù)用來處理字符串。并且,這些函數(shù)會(huì)自動(dòng)處理無效值。

下面是一些實(shí)例,在第一組數(shù)據(jù)中,我們故意設(shè)置了一些包含空格字符串:

# process_string.py
import pandas as pd
s1 = pd.Series([' 1', '2 ', ' 3 ', '4', '5']);
print("s1.str.rstrip():\n{}\n".format(s1.str.lstrip()))
print("s1.str.strip():\n{}\n".format(s1.str.strip()))
print("s1.str.isdigit():\n{}\n".format(s1.str.isdigit()))

在這個(gè)實(shí)例中我們看到了對(duì)于字符串strip的處理以及判斷字符串本身是否是數(shù)字,這段代碼輸出如下:

s1.str.rstrip():
0  1
1 2 
2 3 
3  4
4  5
dtype: object
s1.str.strip():
0 1
1 2
2 3
3 4
4 5
dtype: object
s1.str.isdigit():
0 False
1 False
2 False
3  True
4  True
dtype: bool


下面是另外一些示例,展示了對(duì)于字符串大寫,小寫以及字符串長(zhǎng)度的處理:

# process_string.py
s2 = pd.Series(['Stairway to Heaven', 'Eruption', 'Freebird',
     'Comfortably Numb', 'All Along the Watchtower'])
print("s2.str.lower():\n{}\n".format(s2.str.lower()))
print("s2.str.upper():\n{}\n".format(s2.str.upper()))
print("s2.str.len():\n{}\n".format(s2.str.len()))

該段代碼輸出如下:

s2.str.lower():
0   stairway to heaven
1     eruption
2     freebird
3   comfortably numb
4 all along the watchtower
dtype: object

s2.str.upper():
0   STAIRWAY TO HEAVEN
1     ERUPTION
2     FREEBIRD
3   COMFORTABLY NUMB
4 ALL ALONG THE WATCHTOWER
dtype: object

s2.str.len():
0 18
1  8
2  8
3 16
4 24
dtype: int64

總結(jié)

以上所述是小編給大家介紹的Python 數(shù)據(jù)處理庫(kù) pandas 入門教程基本操作,希望對(duì)大家有所幫助,如果大家有任何疑問請(qǐng)給我留言,小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持!

相關(guān)文章

  • python實(shí)現(xiàn)簡(jiǎn)單坦克大戰(zhàn)

    python實(shí)現(xiàn)簡(jiǎn)單坦克大戰(zhàn)

    這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)簡(jiǎn)單坦克大戰(zhàn),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2020-03-03
  • Python中OpenCV實(shí)現(xiàn)簡(jiǎn)單車牌字符切割

    Python中OpenCV實(shí)現(xiàn)簡(jiǎn)單車牌字符切割

    本文將結(jié)合實(shí)例代碼,在Jupyter Notebook上使用Python+opencv實(shí)現(xiàn)如下簡(jiǎn)單車牌字符切割。感興趣的小伙伴可以參考一下
    2021-06-06
  • 淺談Python之Django(三)

    淺談Python之Django(三)

    這篇文章主要介紹了Python3中的Django,小編覺得這篇文章寫的還不錯(cuò),需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧,希望能夠給你帶來幫助
    2021-10-10
  • Python3.x+迅雷x 自動(dòng)下載高分電影的實(shí)現(xiàn)方法

    Python3.x+迅雷x 自動(dòng)下載高分電影的實(shí)現(xiàn)方法

    這篇文章主要介紹了Python3.x+迅雷x 自動(dòng)下載高分電影的實(shí)現(xiàn)方法,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-01-01
  • Python實(shí)現(xiàn)異步IO的示例

    Python實(shí)現(xiàn)異步IO的示例

    這篇文章主要介紹了Python實(shí)現(xiàn)異步IO的示例,幫助大家更好的理解和使用python,感興趣的朋友可以了解下
    2020-11-11
  • Django在Model保存前記錄日志實(shí)例

    Django在Model保存前記錄日志實(shí)例

    這篇文章主要介紹了Django在Model保存前記錄日志實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05
  • Python Playwright安裝和基本使用問題記錄

    Python Playwright安裝和基本使用問題記錄

    這篇文章主要介紹了Playwright安裝和基本使用問題記錄,playwright是一款新型的自動(dòng)化測(cè)試工具,功能非常強(qiáng)大,有很多優(yōu)點(diǎn),缺點(diǎn)就是使用的人比較少,本文通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下
    2023-05-05
  • Iconfont(矢量圖標(biāo))+iconmoon(圖標(biāo)svg互轉(zhuǎn))配合javascript實(shí)現(xiàn)社交分享系統(tǒng)

    Iconfont(矢量圖標(biāo))+iconmoon(圖標(biāo)svg互轉(zhuǎn))配合javascript實(shí)現(xiàn)社交分享系統(tǒng)

    這篇文章主要介紹了Iconfont(矢量圖標(biāo))+iconmoon(圖標(biāo)svg互轉(zhuǎn))配合javascript實(shí)現(xiàn)社交分享系統(tǒng),本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2020-04-04
  • 編寫python程序的90條建議

    編寫python程序的90條建議

    自己寫 Python 也有四五年了,一直是用自己的“強(qiáng)迫癥”在維持自己代碼的質(zhì)量。都有去看 Google 的 Python 代碼規(guī)范,對(duì)這幾年的工作經(jīng)驗(yàn),做個(gè)簡(jiǎn)單的筆記,如果你也在學(xué) Python,準(zhǔn)備要學(xué)習(xí) Python,希望這篇文章對(duì)你有用。
    2021-04-04
  • python接口自動(dòng)化如何封裝獲取常量的類

    python接口自動(dòng)化如何封裝獲取常量的類

    這篇文章主要介紹了python接口自動(dòng)化如何封裝獲取常量的類,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-12-12

最新評(píng)論