parameter 是函数定义的参数形式
成都创新互联公司-专业网站定制、快速模板网站建设、高性价比新田网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式新田网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖新田地区。费用合理售后完善，十多年实体公司更值得信赖。
argument 是函数调用时传入的参数实体。
对于函数调用的传参模式，一般有两种：
此外，
也是关键字传参
python的函数参数定义一般来说有五种: 位置和关键字参数混合 ， 仅位置参数 ， 仅关键字参数 ， 可变位置参数 ， 可变关键字参数 。其中仅位置参数的方式仅仅是一个概念，python语法中暂时没有这样的设计。
通常我们见到的函数是位置和关键字混合的方式。
既可以用关键字又可以用位置调用
或
这种方式的定义只能使用关键字传参的模式
f(*some_list) 与 f(arg1, arg2, ...) （其中some_list = [arg1, arg2, ...]）是等价的
网络模块request的request方法的设计
多数的可选参数被设计成可变关键字参数
有多种方法能够为函数定义输出：
非常晦涩
如果使用可变对象作为函数的默认参数，会导致默认参数在所有的函数调用中被共享。
例子1：
addItem方法的data设计了一个默认参数，使用不当会造成默认参数被共享。
python里面，函数的默认参数被存在__default__属性中，这是一个元组类型
例子2：
在例子1中，默认参数是一个列表，它是mutable的数据类型，当它写进 __defauts__属性中时，函数addItem的操作并不会改变它的id，相当于 __defauts__只是保存了data的引用，对于它的内存数据并不关心，每次调用addItem，都可以修改 addItem.__defauts__中的数据，它是一个共享数据。
如果默认参数是一个imutable类型，情况将会不一样,你无法改变默认参数第一次存入的值。
例子1中，连续调用addItem('world') 的结果会是
而不是期望的
在python中的数据类型转换函数共有五类:
1.float(x) 将x转换为一个浮点数,x如果是一个字符串, 必须是数字类型的字符串
2.int(x) 将x转换为一个整数, x如果是一个字符串,必须是数字类型的字符串
3.str(x) 把x转换为字符串类型, 任意数据类型都可以转换为字符串
4.list(x) 把序列数据x转为列表（注意：字典没有顺序，不是序列数据）
5.tuple(x) 把序列数据x转为元组（字典没有顺序，不是序列数据）
你可以多去黑马程序员视频库看看，里面这样的知识点特别多
int()是Python的一个内部函数
Python系统帮助里面是这么说的
[python] view plain copy
help(int)
Help on class int in module __builtin__:
class int(object)
| int(x[, base]) - integer
|
| Convert a string or number to an integer, if possible. A floating point
| argument will be truncated towards zero (this does not include a string
| representation of a floating point number!) When converting a string, use
| the optional base. It is an error to supply a base when converting a
| non-string. If base is zero, the proper base is guessed based on the
| string content. If the argument is outside the integer range a
| long object will be returned instead.
[python] view plain copy
int(12.0)
12
int()函数可以将一个数转化为整数
[python] view plain copy
int('12',16)
18
这里有两个地方要注意：1）12要以字符串的形式进行输入，如果是带参数base的话
2）这里并不是将12转换为16进制的数，而是说12就是一个16进制的数，int()函数将其用十进制数表示，如下
[python] view plain copy
int('0xa',16)
10
int('10',8)
8
value_counts是一种查看表格某列中有多少个不同值的快捷方法，并计算每个不同值有在该列中个数，类似Excel里面的count函数
其是pandas下面的顶层函数，也可以作用在Series、DataFrame下
常规用法：
pandas 的 value_counts() 函数可以对Series里面的每个值进行计数 并且 排序，默认是降序
可以看出，既可以对分类变量统计，也可以对连续数值变量统计
如果是要对结果升序排列，可以添加 ascending=True 来改变
如果不想看统计的个数，而是想看占比，那么可以设置 normalize=True 即可，结果是小数形式
可以通过apply，对每一列变量进行统计
以上是自己实践中遇到的一些点，分享出来供大家参考学习，欢迎关注DataShare公众号
