1.Python 中的全局、受保护和私有属性是什么？

类的属性也称为变量。 Python中变量的访问修饰符有3种，分别是

a. public —声明为 public 的变量可以在类内部或外部的任何地方访问。

b. private — 声明为 private 的变量只能在当前类中访问。

c. protected —声明为 protected 的变量只能在当前包内访问。

属性也分为：

– 本地属性在代码块/方法内定义，并且只能在该代码块/方法内访问。

– 全局属性在代码块/方法之外定义，并且可以在任何地方访问。

class Mobile:    m1 = "Samsung Mobiles" //Global attributes    def price(self):        m2 = "Costly mobiles"   //Local attributes        return m2Sam_m = Mobile()print(Sam_m.m1)

Python 中的关键字是用作标识符、函数名称或变量名称的保留字。它们帮助定义语言的结构和语法。

Python 3.7 中共有 33 个关键字，这些关键字在下一版本（即 Python 3.8）中可以更改。下面提供了所有关键字的列表：

Python 中的关键字：False class finally is return None continue for lambda try True def from nonlocal while and del global not with aif for yield assert else import pass break except

3.Python中列表和元组有什么区别？

列表和元组是Python中的数据结构，可以存储一个或多个对象或值。使用方括号，可以构建一个列表来在一个变量中保存多个对象。元组与数组一样，可以在单个变量中保存多个项目，并用括号定义。

列表是可变的。元组是不可变的。元祖迭代的影响是耗时的。迭代具有使事情进展得更快的效果。列表对于插入和删除等操作更方便。可以使用元组数据类型访问项目列表占用更多的内存。与列表相比，元组占用的内存更少。列表中内置了许多技术。元组中内置的方法不多。更容易发生意外的更改和故障.这很难发生在元组中。考虑到这种数据结构的性质，它们消耗大量内存。它们消耗更少的内存语法：

list = [100, “伟大的学问”, 30]语法：tup_2 = (100, “伟大的学问”, 20)

4. 如何连接两个元组？

假设我们有两个这样的元组 ->

tup1 = (1,”a”,真)

tup2 = (4,5,6)

元组串联意味着我们将一个元组的元素添加到另一个元组的末尾。

现在，让继续将 tuple2 与 tuple1 连接起来：

tup1=(1,"a",True)tup2=(4,5,6)tup1+tup2

所要做的就是在两个元组之间使用“+”运算符，您获得连接结果。

同样，让我们​将 tuple1 与 tuple2 连接起来：

tup1=(1,"a",True)tup2=(4,5,6)tup2+tup1

答：Python 中的函数是指具有组织的、可重用的代码来执行单个和相关事件的块。函数对于为重用高度编码的应用程序创建更好的模块化非常重要。 Python 有许多内置函数，例如 print()。但是，它还允许您创建用户定义的函数。

6. 如何初始化一个只有零的 5*5 numpy 数组？

将使用.zeros()方法。

import numpy as npn1=np.zeros((5,5))n1

使用 np.zeros() 并传入其中的维度。由于我们想要一个 5*5 矩阵，因此我们将在 .zeros() 方法中传递 (5,5) 。

7.什么是Pandas？

Pandas 是一个开源 Python 库，它具有非常丰富的数据结构集，用于基于数据的操作。 Pandas 以其炫酷的特性适合数据操作的各个角色，无论是学术还是解决复杂的业务问题。 Pandas 可以处理各种各样的文件，是最重要的工具之一。

8.什么是数据框？

pandas 数据框是 pandas 中的可变数据结构。 Pandas 支持跨两个轴排列的异构数据。 （行和列）。

9. 什么是 Pandas 系列？

Series是Panda的一维数据结构，几乎可以处理任何类型的数据。它类似于 Excel 列。它支持多种操作，用于单维数据操作。

从数据创建一系列：

import pandas as pddata=["1",2,"three",4.0]series=pd.Series(data)print(series)print(type(series))

pandas groupby 是 pandas 支持的一项功能，用于对对象进行拆分和分组。与 sql/mysql/oracle groupby 类似，它用于按类和可进一步用于聚合的实体对数据进行分组。数据框可以按一列或多列进行分组。

df = pd.DataFrame({'Vehicle':['Etios','Lamborghini','Apache200','Pulsar200'], 'Type':["car","car","motorcycle","motorcycle"]})df

要执行 groupby，请键入以下代码：

df.groupby('Type').count()