本节对一些 Python 易混淆的操作进行对比。
1.1 有放回随机采样和无放回随机采样
1.2 lambda 函数的参数
1.3 copy 和 deepcopy
复制和变量别名结合在一起时，容易混淆：
对别名的修改会影响原变量，（浅）复制中的元素是原列表中元素的别名，而深层复制是递归地进行复制，对深层复制的修改不影响原变量。
1.4 == 和 is
1.5 判断类型
1.6 字符串搜索
1.7 List 后向索引
这个只是习惯问题，前向索引时下标从0开始，如果反向索引也想从0开始可以使用~。
2.1 读写 CSV 文件
注意，当 CSV 文件过大时会报错：_csv.Error: field larger than field limit (131072)，通过修改上限解决
csv 还可以读以 分割的数据
2.2 迭代器工具
itertools 重新定义了很多迭代器工具，例如子序列工具：
序列排序：
多个序列合并：
2.3 计数器
计数器可以统计一个可迭代对象中每个元素出现的次数。
2.4 带默认值的 Dict
当访问不存在的 Key 时，defaultdict 会将其设置为某个默认值。
2.5 有序 Dict
3.1 输出错误和警告信息
向标准错误输出信息
输出警告信息
控制警告消息的输出
3.2 代码中测试
有时为了调试，我们想在代码中加一些代码，通常是一些 print 语句，可以写为：
一旦调试结束，通过在命令行执行 -O 选项，会忽略这部分代码：
3.3 代码风格检查
使用 pylint 可以进行不少的代码风格和语法检查，能在运行之前发现一些错误
3.4 代码耗时
耗时测试
测试某代码块耗时
代码耗时优化的一些原则
4.1 argmin 和 argmax
argmax同理。
4.2 转置二维列表
4.3 一维列表展开为二维列表
#coding=utf-8records = []
record = {}
with open("data.txt") as f:
while True:
line = f.readline()
if not line:
if len(record)!= 0: records.append(record)
break
field = line[line.find(":") + 1:].strip()
if line.startswith("ScopeId"):
if len(record)!= 0: records.append(record)
record = {}
record["ScopeId"] = field
elif line.startswith("Name"):
record["Name"] = field
elif line.startswith("Free"):
record["Free"] = field
elif line.startswith("InUse"):
record["InUse"] = field
elif line.startswith("PercentageInUse"):
record["PercentageInUse"] = field
# 设置缺省项
for r in records:
r.setdefault("InUse", 0)
r.setdefault("PercentageInUse", 0)
r.setdefault("Name", "")
r.setdefault("Free", 0)
print records
假如你的5文件在同一个文件夹中，路径为pathfile_name_list = ['usa', 'china', 'uk', 'canada', 'japan']
data_list = []
for i in file_name_list:
data_list.append(pd.read_excel(path + '/%s.xlsx' % i))
data = pd.concat(data_list)
