什么是函数？
函数在Python中是最基本的程序结构，用来最大化地让我们的代码进行复用。简单地说，一个函数就是一组Python语句的组合，它们可以在程序中运行一次或多次运行。Python中的函数在其他语言中也叫做过程或子例程，那么这些被包装起来的语句通过一个函数名称来调用。有了函数，可以在很大程度上减少复制及粘贴代码的次数了。可以把相同的代码可以提炼出来做成一个函数，在需要的地方只需要调用即可。那么这样就提高了代码的复用率了，整体代码看起来比较简练，没有那么臃肿了。
函数分类
内置函数：为了方便我们的开发，针对一些简单的功能，python解释器已经为我们定义好了的函数即内置函数。对于内置函数，我们可以拿来就用而无需事先定义，如len(),sum(),max()
自定义函数：很明显内置函数所能提供的功能是有限的，这就需要我们自己根据需求，事先定制好我们自己的函数来实现某种功能，以后，在遇到应用场景时，调用自定义的函数即可
python自定义函数
def 函数名(参数1,参数2,参数3,...):'''注释'''函数体return 返回的值
def dragon():
print("Hello World")
dragon()------------------------Hello World
View Code
函数使用原则
函数即“变量”，“变量”必须先定义后引用。未定义而直接引用函数，就相当于在引用一个不存在的变量名，因而函数应该先定义，在调用
ps:函数在定义阶段只检测语法，不执行代码
def world():
print('from world')
def python():
print('from python')
world()
python()-------------------------
frompythonfrom world
View Code
定义函数形式
无参：定义时无参，意味着调用时也无需传入参数，应用场景仅仅只是执行一些操作，比如与用户交互，打印
def dragon():
print("Hello World")
dragon()------------------------Hello World
View Code
有参：需要根据外部传进来的参数，才能执行相应的逻辑，即定义时有参，意味着调用时则必须传入参数
def tages(tag,n):
print(tag*n)
tages('*',6)-------------------------
******
View Code
空函数：设计代码结构
def test(parms):
pass
View Code
函数调用
语句形式：test()
表达式形式：3*len('world')
作为另外一个函数的参数：range(len('Hello Python'))
函数返回值 return
无return语句时返回None
return 1个值则返回1个值
return 逗号分隔多个值则返回元组
什么时候该有返回值？
调用函数，经过一系列的操作，最后要拿到一个明确的结果，则必须要有返回值；通常有参函数需要有返回值，输入参数，经过计算，得到一个最终的结果
什么时候不需要有返回值？
调用函数，仅仅只是执行一系列的操作，最后不需要得到什么结果，则无需有返回值；通常无参函数不需要有返回值
函数的参数
位置参数：按照从左到右的顺序定义的参数
位置形参：必选参数
位置实参：按照位置给形参传值
关键字参数：按照key=value的形式定义的实参，无需按照位置为形参传值
关键字实参必须在位置实参右面
对同一个形参不能重复传值
def max(x,y):
print(x,y)if x >y:returnxelse:returny
print(max(y= 10,x = 20))------------------------------
20 10
20
View Code
默认参数：形参在定义时就已经为其赋值，可以传值也可以不传值，经常需要变得参数定义成位置形参，变化较小的参数定义成默认参数（形参）
只在定义时赋值一次
默认参数的定义应该在位置形参右面
默认参数通常应该定义成不可变类型
def stu_info(name,sex = 'male'):  #默认参数，有一个默认值
print('name:%s,sex:%s'%(name,sex))
stu_info('dragon') #默认参数可以不传值
stu_info('tom','female') #如果传值了，覆盖默认值
------------------------------name:dragon,sex:male
name:tom,sex:female
View Code
可变长参数：可变长指的是实参值的个数不固定，而实参有按位置和按关键字两种形式定义，针对这两种形式的可变长，形参对应有两种解决方案来完整地存放它们，分别是*args，**kwargs
def func(x,y,*z):   #*c接收的是5,6,7,8并且输出一个元祖包含这个4个5 *args代表把散列的元素拼成元组
sum = x+yfor i inz:
sum+=ireturnsumprint(func(3,4,5,6,7,8))-----------------------------
33
def fun(x,y,**kwargs):print(x,y,kwargs)
fun(x= 10,y = 20,z= 30,w = 50)------------------------------
33
10 20 {'z': 30, 'w': 50}
View Code
命名关键字参数：*后定义的参数，必须被传值（有默认值的除外），且必须按照关键字实参的形式传递
def foo(x,y,*args,z=1,w,**kwargs):print(x,y)print(args)print(z)print(w)print(kwargs)
foo(1,2,3,4,5,w=3,t=4,j=5)------------------------------
1 2(3, 4, 5)1
3{'t': 4, 'j': 5}
View Code

的值的函数value按format_spec的格式来格式化，然而函数解释format_spec是依据value的类型来决定的。不同的类型有不同的格式化解释。
当參数format_spec为空时，本函数等同于函数str(value)的方式。
事实上本函数调用时，是把format(value, format_spec)的方式转换为type(value).__format__(format_spec)方式来调用。因此在value类型里就查找方法__format__()，假设找不到此方法，就会返回异常TypeError。
当中format_spec的编写方式例如以下形式：
format_spec ::=  [[fill]align][sign][#][0][width][,][.precision][type]
fill        ::=  
align       ::=  "" | "=" | "^"
sign        ::=  "+" | "-" | " "
width       ::=  integer
precision   ::=  integer
type        ::=  "b" | "c" | "d" | "e" | "E" | "f" | "F" | "g" | "G" | "n" | "o" | "s" | "x" | "X" | "%"
fill是表示能够填写不论什么字符。
align是对齐方式，是右对齐。^是居中对齐。
sign是符号，+表示正号，-表示负号。
width是数字宽度，表示总共输出多少位数字。
precision是小数保留位数。
type是输出数字值是的表示方式，比方b是二进制表示；比方E是指数表示。比方X是十六进制表示。
样例：
#format()
print(format(2918))
print(format(0x500, 'X'))
print(format(3.14, '0=10'))
print(format(3.14159, '05.3'))
print(format(3.14159, 'E'))
print(format('test', '<20'))
print(format('test', '>20'))
print(format('test', '^20'))
结果输出例如以下：
2918
500
0000003.14
03.14
3.141590E+00
test
test
test
蔡俊生  QQ:9073204 深圳
版权声明：本文博客原创文章，博客，未经同意，不得转载。

绝对是一个统计问题-听起来你是想做一个概率测试，看看这个分布是否与正态分布、对数正态分布、二项式分布等有显著的相似性。最简单的方法是测试正常或对数正常，如下所述。
设置Pvalue截止值，通常如果Pvalue&lt；=0.05，则它不是正态分布的。
在Python use SciPy中，您只需要返回p值来测试，所以这个函数返回2个值(为了清楚起见，这里忽略了可选的(不需要的)输入)：
import scipy.stats
[W, Pvalue] = scipy.stats.morestats.shapiro(x)
执行Shapiro-Wilk正态性测试。Shapiro-Wilk检验检验了数据来自正态分布的零假设。
如果要查看它是否为对数正态分布(前提是它未通过上面的p测试)，可以尝试：
import numpy
[W, Pvalue] = scipy.stats.morestats.shapiro(numpy.log(x))
用同样的方法解释——我只是在一个已知的对数正态分布模拟上进行了测试，在np.log(x)测试中得到了0.17个p值，在标准shapiro(x)测试中得到了一个接近0的数字。这告诉我对数正态分布是更好的选择，正态分布失败惨重。
我把你要找的东西简单化了。对于其他发行版，您可能需要沿着Q-Q图https://en.wikipedia.org/wiki/Q%E2%80%93Q_plot的路线做更多的工作，而不是简单地遵循我提出的一些测试。这意味着你有一个你想要适应的分布图和你的数据图。下面是一个简单的例子，如果你愿意的话，可以让你走上这条路：import numpy as np
import pylab
import scipy.stats as stats
mydata = whatever data you are looking to fit to a distribution
stats.probplot(mydata, dist='norm', plot=pylab)
pylab.show()
上面的代码可以替换scipy库中的dist='norm'的任何内容http://docs.scipy.org/doc/scipy/reference/tutorial/stats/continuous.html#continuous-distributions-in-scipy-stats
然后找到它的scipy名称(必须根据文档添加形状参数，例如stats.probplot(mydata, dist='loggamma', sparams=(1,1), plot=pylab)或对于student Tstats.probplot(mydata, dist='t', sparams=(1), plot=pylab))，然后查看绘图并查看数据在该分布下的接近程度。如果数据点很接近，则可以找到分布。它在图上也会给你一个R^2值；一般来说，接近1的值越适合。
如果您想继续尝试使用数据帧，请尝试更改为：plt.hist(df['Frequency'].values)
如果这个答案回答了你的问题，请投赞成票：)需要一些赏金来回答我自己的编程难题。

通过风变程序，做的小项目练习，一点点进步，一点点来

 

关于cvs的简单用法，可以看这里https://www.cnblogs.com/unnameable/p/7366437.html

主要是向csv中输入一些字典数据

 

import csv

#调用csv模块

with open('C:\\python\\assets.csv', 'a', newline='') as csvfile:

#调用open()函数打开csv文件，传入参数：文件名“assets.csv”、追加模式“a”、newline=''。

writer = csv.writer(csvfile, dialect='excel')

# 用csv.writer()函数创建一个writer对象。

header=['小区名称', '地址', '建筑年份', '楼栋', '单元', '户室', '朝向', '面积']

writer.writerow(header)

 

title=input('请输入小区名称：')

address = input('请输入小区地址：')

year = input('请输入小区建造年份：')

block = input('请输入楼栋号：')



 

unit_loop = True

while unit_loop:

unit=input('请输入单元号：')

start_floor = input('请输入起始楼层：')

end_floor = input('请输入终止楼层：')

 

# 开始输入模板数据

input('接下来请输入起始层每个房间的门牌号、南北朝向及面积，按任意键继续')

 

start_floor_rooms = {}

floor_last_number = []

# 收集起始层的房间信息

 

# 定义循环控制量

room_loop = True

while room_loop:

last_number = input('请输入起始楼层户室的尾号:（如01，02）')

floor_last_number.append(last_number)

#将尾号用append()添加列表里，如floor_last_number = ['01','02']

room_number = int(start_floor + last_number)

#户室号为room_number,由楼层start_floor和尾号last_number组成,如301

 

direction = int(input('请输入 %d 的朝向(南北朝向输入1，东西朝向输入2)：' % room_number ))

area = int(input('请输入 %d 的面积，单位 ㎡ ：' % room_number))

start_floor_rooms[room_number] = [direction,area]

# 户室号为键，朝向和面积组成的列表为值，添加到字典里，如start_floor_rooms = {301:[1,70]}

 

continued= input('是否需要输入下一个尾号？按 n 停止输入，按其他任意键继续：')

#加入打破循环的条件

if continued == 'n':

room_loop = False

else:

room_loop = True

 

unit_rooms = {}

#新建一个放单元所有户室数据的字典

unit_rooms[start_floor] = start_floor_rooms

#unit_rooms={3:{301:[1,80],302:[1,80],303:[2,90],304:[2,90]}}

for floor in range(int(start_floor) + 1, int(end_floor) + 1):

#遍历除初始楼层外的其他楼层

floor_rooms = {}

#每个楼层都建立一个字典

for i in range(len(start_floor_rooms)):

#遍历每层有多少个房间，这里是3，即执行for i in range 3 的循环

number = str(floor) + floor_last_number[i]

info = start_floor_rooms[int(start_floor + floor_last_number[i])]

# 依次取出字典start_floor_rooms键对应的值，即面积和朝向组成的列表

floor_rooms[int(number)] = info

#给字典floor_rooms添加键值对，floor_rooms = {401:[1,80]}

unit_rooms[floor] = floor_rooms

with open('assets.csv', 'a', newline='')as csvfile:

#Mac用户要加多一个参数 encoding = 'GBK'

writer = csv.writer(csvfile, dialect='excel')

for sub_dict in unit_rooms.values():

'''

for value in DictName.values():

# value的名字可以自行另取

# DictName是要遍历的字典的名称

# .values():是固定的用法

'''

for room,info in sub_dict.items():

'''for k,v in DictName.items():

#遍历字典的键值对，k对应键，v对应值

#k,v 的名字可以自己取，DictName是字典名'''

dire = ['', '南北', '东西']

writer.writerow([title,address,year,block,unit,room,dire[info[0]],info[1]])

 

unit_continue = input('是否需要输入下一个单元？按 n 停止单元输入，按其他任意键继续：')

if unit_continue == 'n':

unit_loop = False

else:

unit_loop = True

 

print('恭喜你，资产录入工作完成！')