python判斷變數是否存在

『壹』 如何查看python中的變數

1、進入命令提示符，輸入python後回車，進入python交互模式。

『貳』 python 判斷某個文件/文件夾是否存在

使用os.path.exists()可以判斷文件或者文件夾是否存在，方法很簡單，括弧中放入需要判斷的路徑即可，如下

但這種時候容易混淆文件夾和文件，所以可以採用如下命令只檢查文件，同樣返回布爾型變數

如果文件不存在，直接用open()函數會拋出異常，這時候只要try一下並獲取異常即可，如下

上麵包含了文件不存在和文件不可讀取兩種錯誤類型，這兩種都屬於IO error，簡化一下有，

主要是通過文件歷早姿的路徑來創建path對象，進而判斷路徑是否存在，如下

（想到這些簡單肢絕的知識睜行都似曾相識，為什麼要零散地記錄呢

參考資料： https://www.py.cn/faq/python/12821.html

『叄』 一文帶您了解相關性分析：常見的相關系數及Python示例

相關性分析，也稱為雙變數分析，它的主要目的是找出變數之間是否存在關系，並確定這種關系的大小和作用。在數據分析中，相關性分析扮演著至關重要的角色，它幫助我們深入理解數據之間的關系，為更明智的決策提供依據。通常，我們使用相關系數來衡量變數之間的相關程度，其中常見的相關系數包括皮爾遜相關系數、斯皮爾曼秩相關系數、肯德爾秩相關系數等。

需要注意的是，相關性並不代表因果關系。相關性僅僅表明兩個變數之間存在某種聯系或關聯，並不能說明其中一個變數的變化導致另一個變數發生變化的原因。因此，在進行相關性分析時，我們必須同時考慮其他因素，以免誤判。

接下來，我們來了解一下皮爾遜相關系數。皮爾遜相關系數是由卡爾·皮爾遜從弗朗西斯·高爾頓在1880年代提出的一個相似卻又稍有不同的想法演變而來，並且其數學公式由奧古斯特·布拉菲於1844年推導出和發表。這個相關系數也稱作「皮爾森相關系r」。皮爾遜相關系數在范圍−1 ≤ r ≤ 1內取任意實數值。

下面是一個示例，我們對包括語文、數學、英語、物理和化學在內的學科成績表進行相關性分析，探究學科之間是否存在關聯性。通過皮爾遜相關系數等方法，我們將揭示學科成績之間的相關性程度。從相關系數矩陣可以觀察到學科成績之間普遍存在著一定程度的正相關性。具體而言，該學科成績表中的學科間普遍存在一定的正相關性，這意味著學生在某個學科表現較好時，其他學科的成績也可能相對較好。這種相關性可以為教育者和學生提供有價值的信息，幫助他們制定更有效的學習策略和學科優化安排。但需要注意的是，相關性並不代表因果關系，學科成績之間的關聯可能受到其他復雜因素的影響，因此在做出任何決策時，仍需綜合考慮其他因素。

秩相關系數（Coefficient of Rank Correlation），又稱等級相關系數，反映的是兩個隨機變數的變化趨勢方向和強度之間的關聯。它是將兩個隨機變數的樣本值按數據的大小順序排列位次，以各要素樣本值的位次代替實際數據而求得的一種統計量。它是反映等級相關程度的統計分析指標，常用的等級相關分析方法有斯皮爾曼秩相關系數和肯德爾秩相關系數等。

斯皮爾曼秩相關系數（The Spearman's rank coefficient of correlation）是秩相關的一種非參數度量。得名於英國統計學家Charles Spearman，通常記為希臘字母'ρ' (rho)。在討論斯皮爾曼相關系數之前，首先要理解皮爾遜相關（Pearson's correlation），斯皮爾曼相關可以看作是皮爾遜相關的非參數版本。皮爾遜相關是關於兩個隨機變數之間的線性關系強度的統計度量，而斯皮爾曼相關考察的是兩者單調關系（monotonic relationship）的強度。

肯德爾（Kendall）的Tau相關系數（Kendall's tau correlation coefficient）是一種用於衡量兩個變數之間等級關系的相關性指標。它不依賴於數據的具體數值，而是根據數據的秩次（排序）來計算相關性。肯德爾Tau相關系數常用於對有序等級數據進行相關性分析。

相關性分析在數據分析中非常重要，但我們需要牢記一些關鍵的注意事項。其中最重要的一點是：相關性並不代表因果關系。兩個變數之間的相關性只是表明它們之間存在某種聯系或關聯，而不能確定其中一個變數的變化一定會導致另一個變數發生變化。因此，在進行相關性分析時，我們必須同時考慮其他因素，以避免誤判。

下面分別舉一個生活中和數據分析工作中實際場景的例子，以更好地理解這個概念。

生活中的例子：假設我們觀察到城市的冰淇淋銷量與游泳池的使用量之間存在正相關性。即隨著氣溫升高，冰淇淋銷量和游泳池的使用量都增加。然而，我們不能簡單地得出結論認為冰淇淋銷量的增加會直接導致游泳池使用量的增加，或者游泳池使用量的增加是會導致冰淇淋銷量增加。實際上，這兩者之間可能只是因為炎熱的天氣而導致的結果，而不能把其中一個的變化作為另外一個發生變化的原因。

數據分析中的例子：在一份銷售數據的分析中，我們可能會發現銷售額與廣告投入之間存在正相關性。然而，僅僅依據相關性並不能確定廣告投入是直接導致銷售額增加的原因。也可能有其他因素，如產品品質、市場需求等，這些因素同樣會對銷售額產生影響。因此，在進行決策時，我們需要綜合考慮這些因素，而不是僅僅依賴於相關性分析的結果。

盡管相關性分析可以幫助我們理解不同變數之間的關系，但也存在一些局限性，主要體現在以下幾個方面：相關性分析是數據分析中一個非常重要的環節，它可以幫助我們了解數據之間的關系，為我們做出更好的決策提供依據。在實際應用中，我們需要根據具體問題來選擇恰當的相關系數進行分析，並注意相關性分析的局限性和相關注意事項。

『肆』 [轉]Python徹底搞懂 變數、運算符、in、id()、 is 與 ==的區別

在Python編程中，理解和掌握變數、運算符、in、id()、is與==的區別對於初學者至關重要。本文旨在為Python入門者提供一個清晰直觀的指南，幫助大家更好地理解和運用這些基礎概念。

一、變數

變數是存儲數據的容器，在Python中，它可以存儲任何數據類型，無需事先聲明類型。變數名由大小寫字母、數字和下劃線組成，但不能以數字開頭。例如，a=1、a_01=2、_a=3中的變數名都是合法的。Python中的變數名區分大小寫，因此，變數A和a被視為不同的變數。

變數可以看作是一個可變的量，其值可以根據程序執行的不同階段而變化。如表達式y=2*x中，x和y是變數名，它們分別存儲了不同的值。在執行時，計算機計算2*x的值並賦予變數y。

二、運算符

運算符是用於執行特定操作的符號，Python支持多種運算符。

• 算術運算符：包括加（+）、減（-）、乘（*）、除（/）、取模（%）、冪（**）、取整（//）。例如，2**3表示2的3次方。


• 比較運算符：如等於（==）、不等於（!=）、大於（>）、小於（=）、小於等於（<=）。這些運算符用於比較兩個值，結果為True或False。


• 邏輯運算符：包括與（and）、或（or）、非（not），用於組合比較運算。


• 成員運算符：用於檢查一個值是否屬於序列（列表、元組、字元串）中的成員。例如，in和not in分別用於判斷元素是否存在於序列中。


• 身份運算符：is和is not用於比較兩個變數是否引用同一個對象。id()函數可以獲取變數在內存中的地址。

拓展：is與==的區別

在Python中，is比較的是兩個變數是否引用同一個內存地址，而==比較的是兩個變數的類型和值是否相同。當兩個變數引用同一個對象時，is返回True，而==在類型和值相同的情況下返回True。

通過上述內容，我們可以清晰地理解變數、運算符、in、id()、is與==在Python中的作用和區別，為後續編程學習打下堅實的基礎。