《Python数据科学实践指南》一2.2　字符串

本节书摘来自华章出版社《Python数据科学实践指南》一书中的第2章，第2.2节，纪路 著，更多章节内容可以访问云栖社区“华章计算机”公众号查看。

2.2 字符串

在第1章中我们已经接触过字符串了，Python不像其他语言一样有字符类型，在Python中，一个字符仅仅是包含一个字符的字符串。而且字符串也能够进行运算，主要支持两种运算符“+”和“*”，示例代码如下：

 "a" + "b"

 "a"*3

aaa

 a b

这两个运算符很容易理解，“+”代表字符串拼接，可以组合两个字符串；“”代表复制多份然后拼接，“”后面的数字就是需要复制的份数；当比较两个字符串时是按照字典顺序比较大小的。称为运算符的重载。由于字符串类型是一种序列类型，所以当我们只想取得这个序列中的一部分时，可以使用Python中的分片操作：

 s = abcdefg

 s[1:-1]

bcdef

 s[1]

 s[-1]

这里首先将字符串“abcdefg”赋值给变量s，然后在s后面用一对方括号将两个数字和一个冒号括起来，输出的结果正好是去掉第一个和最后一个字符，这就是Python中对于序列类型的对象所进行的分片操作，冒号前后的两个值为分片的位置。1代表序列中位置为1的值，–1代表序列中倒数第一个值。这里需要注意的是，在Python中序列索引是以0开始的，而且支持负数索引，不过负数索引是从–1开始的，这很容易理解，因为数学里的实数域没有–0这个值。而且区间是左闭右开的，即[1:–1]代表从索引为1（并且包括1）的值开始，直到索引为–1（不包括–1）的值。初学编程的人可能会难以理解序列分片为什么要这样设计，但实际上这种左闭右开的区间是很方便的一种结构，在2.2节讲解循环的时候会做进一步讲解。另外针对序列分片还有一个小技巧：

 s[1:-1:2]

bdf

 s[1:-1:1]

bcdef

如果在代表分片的方括号中再增加一个冒号之后跟一个数字，那么这个数字就代表以什么样的步长进行分片？假设这个值为2，分片会前进两个字符再取出一个字符，就会得到“bdf”这样的结果。实际上如果不指定则最后一个数字默认的步长为1，s[1:-1:1]”与“s[1:-1]”的结果是一致的。当然步长也可以是负数，聪明的读者肯定一下子就会明白我的用意：

 s[::-1]

gfedcba

这里在步长为–1时左右颠倒了这个字符串。而且当选取整个序列时，起始和终止索引可以省略，只留下两个冒号即可。所以在Python中分片的完整表达式如下：
s[start:end:step]
当指定的索引超出了字符串的长度时，我们就会得到一个异常：

 s[-11]

Traceback (most recent call last):

 File " stdin ", line 1, in module 

IndexError: string index out of range

Python的异常是从上向下阅读，最后一行“IndexError”代表错误的类型，“File”开始的这一行中“line 1”代表出错程序在文件中的行号，这些信息有助于我们找到程序出错的位置，后续的章节会有专门介绍异常处理的内容。
最后，对于一个字符串，要知道如何确定其长度，代码如下：

 len(s)

这很容易，“len()”是一个内置的函数，可以获取任意序列类型对象的长度，在这里s字符串拥有7个字符。

比PCA降维更高级——（R/Python）t-SNE聚类算法实践指南 本文介绍t-SNE聚类算法，分析其基本原理。并从精度上与PCA等其它降维算法进行比较分析，结果表明t-SNE算法更优越，本文最后给出了R、Python实现的示例以及常见问题。t-SNE算法用于自然语音处理、图像处理等领域很有研究前景。