如果你已经通过了招聘人员的电话面试，那么下面正是该展现你代码能力的时候了。无论是练习，作业，还是现场白板面试，这都是你证明自己的代码技巧的时刻。我们知道面试官常常会出一些题让你来解决，作为一名程序员，除了需要具备解决问题的思路以外，代码的质量和简洁性也很关键。因为从一个人的代码可以直接看出你的基本功。对于Python而言，这就意味着你需要对Python的内置功能和库有很深入的了解。本篇给大家介绍一些很强大的功能，它们能让面试官眼前一亮，觉得你很高级，这可以很大程度上给你加分。对于这些功能，我们从Python内置函数开始，然后是Python对数据结构的天然支持，最后是Python强大的标准库。选择正确的内置功能Python有一个大型标准库，但只有一个内置函数的小型库，这些函数总是可用的，不需要导入。它们每一个都值得我们仔细研究，但是在研究前，我还是给大家一些小的提示，尤其是在其中一些函数的情况下，可以用什么替代更好。binations()。binations()生成组合。这些也是输入值的可能分组，但现在值的顺序无关紧要。因为(‘sam’、‘devon’)和(‘devon’、‘sam’)代表同一对，所以输出列表中只会包含它们中的一个：>>> list(binations和.permutations只是强大库的一个小例子，但是当你试图快速解决算法问题时，即使这两个函数也非常有用。在下一次面试中，你可以放心地使用一些不太常见但功能更强大的标准特性。从整体上来说，要了解该语言有很多东西，但本文应该为大家提供一个起点，让大家能够更深入地了解该语言，同时在面试时更有效地使用Python。

我们将在本章中介绍以下案例：

• 构建正确的属性查询语句

• 结合使用空间查询和属性查询

从地理图层中选择要素或从独立的表中选择行数据是最为普遍的GIS操作。属性查询或空间查询能够完成这样的选择操作。属性查询是通过数据集中的一个或多个字段或列使用SQL语句来选择要素或行数据。比如“选择价值大于500000美元的所有地块”。空间查询是基于某些空间关系来选择要素。比如“选择与一个洪泛区相交的所有地块”或者“选择完全位于德州Travis县的所有街道”。也有可能需要结合属性查询和空间查询，比如“选择与一个洪泛区相交且价值大于500000美元的所有地块”。

构建正确的属性查询语句

构建正确的属性查询语句对于能否成功创建用于查询要素和表的地理处理脚本来说是至关重要的。针对要素类和表的所有查询语句都需要符合正确的SQL语法，也需要遵循多种规则，而这些规则又依赖于你所要执行查询操作的数据类型。

创建属性查询语句即需要编写能够与按属性选择工具（Select by Attributes）中的查询语句结合使用的Python脚本。这些查询语句都是基本的SQL语句以及一些你需要掌握的其他特性。如果你已经对ArcMap中创建查询语句有很好的理解或是在其他编程语言中有过创建SQL语句的经验，那么构建属性查询语句对你来讲就会相对容易些。除了需要创建正确的SQL语句，你还需要注意一些特定的Python语法以及由于数据类型差异引起的语句格式的变化。在本案例中，你将学习如何构建正确的查询语句以及了解不同的数据类型在语法上和特定的Python语句结构上的细微差别。

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

转载本文请联系原作者获取授权，同时请注明本文来自刘文亮科学网博客。

我看过许多人一看到别人提问"python处理excel"之类的话题，立马就说出一大堆的库，结果很多初学者苦苦地编写Python代码处理数据，最后他们都会感觉太坑爹了。

如果我在这里列出各种处理方法，那么成千上百的字数都不够看。我觉得你更应该了解思路与工具的选择，不然方向错了，你就算拿着再好用的工具也发挥不了作用。

Python中有许多库可以与Excel交互，比如 xlrd、xlwings等等，但是我要强调的是，这些库仅仅让你方便地与Excel打交道，比如，读写数据、设置格式。

如果你的日常任务仅仅是简单设置格式，不需要对数据做复杂的计算和处理，那么这些库已经可以满足你的需求

很多人已经会一些编程语言(比如 vba)，转到python上处理excel，结果是把vba代码用python代码写一遍。诸如求平均、求和等各种从简单到复杂的处理，都依靠自己编写各种循环遍历，最后只能从入门到放弃。

上述原因主要是他们只关注如何与excel交互，而忽视了数据处理才是整个问题的关键点。而在python中数据处理的最重要的库pandas，就是你唯一的选择。

因此你需要先评估你的日常处理任务，是否有非常多的处理环节是从excel开始的。

• 比如，你的数据是直接从数据库中处理获取，你只需要编写代码把数据输出到excel，那么这显然不需要使用pandas(实际上使用pandas很可能比使用其他库来得简单)
  

• 如果你需要使用python做各种处理，然后输出excel，那么你必须要学习pandas，不然你只是在低效率处理数据

pandas的一个最大的优势在于，大多时候你只需要告诉他做什么，就可以完成工作，而不需要你亲自编写如何遍历数据的代码。许多非常复杂的处理要求，使用pandas解决是轻而易举，并且有非常好的扩展性。

我不想列出代码去占用篇幅了。如果你有兴趣，可以参考我头条号的文章，你会发现这些文章中的python解决方案，完全没有自己遍历数据的写法。以下是其中的一些文章：

• 若干篇利用pandas做数据分析的案例文章

最后我还是要提醒你，一定要根据自己的情况选择适当的工具，这些都是辅助你工作的工具，不要被工具限制了你的思路

Python批量处理Excel的话，有许多现成的库可以直接使用，下面我简单介绍一下，感兴趣的朋友可以尝试一下：

这是Python 2个非常基础的Excel读写库，其中xlrd专门用于读取Excel，xlwt专门用于写入Excel，支持常见的行列、单元格操作，安装的话，直接在cmd窗口输入命令“pip intsall xlrd xlwt”即可，官方自带有非常详细的入门教程文档和API接口，非常适合开发者学习：

这里以简单的读取Excel为，测试代码如下，基本思想先打开Excel，获取工作表，然后根据所需直接读取对应行列和单元格内容即可，非常简单：

这是一个专门用于读取Excel的Python库，目前仅支持Excel 2010格式（xls不支持），操作单元格、行列，设置样式、插入图片等非常容易，安装的话，直接在cmd窗口输入命令“pip install openpyxl”即可，官方文档含有非常详细的代码示例和截图，非常适合初学者入门和学习：

测试代码如下，非常简单，以写入Excel为例，基本思想先创建一个Excel文件，然后获取工作表，最后再往对应单元格写入内容即可：

这是Python一个非常著名的数据处理库，在业界非常流行和受欢迎，内置了大量函数和数据类型，可以轻松处理Excel文件，并进行复杂的数据处理，代码量更少，功能也更强大，安装的话，直接在cmd窗口输入命令“pip install pandas”即可，官方自带有非常详细的入门教程，源码都可直接运行，非常适合开发者学习和使用：

这里以读写Excel为例，测试代码如下，非常简单，一行代码就可轻松获取或写入数据，功能非常强大，推荐使用：

目前，就介绍这3个非常不错的Python Excel处理库吧，对于日常办公和工作来说，非常不错，只要你有一定Python基础，熟悉一下相关文档和示例，很快就能掌握的，网上也有相关教程和资料，介绍的非常详细，感兴趣的话，可以搜一下，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言进行补充。

在浏览器的地址栏中键入内容时，您的计算机实际上是在向服务器询问网页，然后该网页返回到您的浏览器。

　　API的工作方式几乎相同，除了您的程序要求数据而不是您的Web浏览器询问网页之外。这些数据通常以JSON格式返回(有关更多信息，请参阅有关使用JSON数据的教程)。

　　为了获取数据，我们向Web服务器发出请求。然后，服务器将回复我们的数据。在大数据分析Python中，我们将使用请求库来执行此操作。在此大数据分析Python API教程中，我们将为所有示例使用大数据分析Python .cn/data//i6215043/