喽，大家好，我是雷工。

今天学习JavaScript基础知识的分支语句，以下为学习笔记。

1、程序三大流程控制语句

○写几句就从上往下执行几句，这种叫做顺序结构；

○有时要根据条件选择执行代码，这种叫分支结构；

○某段代码被重复执行，就叫循环结构；

2、分支语句

○分支语句可以让我们有选择性的执行想要执行的代码

○分支语句包含：

→ if分支语句

→ 三元运算符

→ switch语句

2.1、if分支语句

● if语句有三种使用：单分支、双分支、多分支

● 单条件分支语句：程序如果执行的时候，如果条件成立就执行某一行代码，如果条件不成立则执行其他代码

使用语法：

if(条件)
{
	 满足条件要执行的代码
}

▶ 小括号内的条件为true时，进入大括号里执行代码。

▶ 小括号内的结果若不是布尔类型时，会发生隐式转换转换为布尔类型。

▶ 如果大括号内只有一个语句，大括号可以省略，但是，一般不提倡这么做~

● 双分支if语法：

if(条件)
{
 	满足条件要执行的代码
}
else
{
 	不满足条件时要执行的代码
}

语法解释：

1>程序先判断if中的条件是否成立（true），如果条件成立，则执行if后面对应的代码，else中的代码不会执行。

2>如果if中的条件不成立（False），程序只执行else后{}中的代码，if后{}内的代码不会执行。

● 多条件分支语句if：

应用场景：当有多个结果的时候，比如学习成绩可以分为：优秀、良好、及格、不及格四个选项。

语法：

if(条件1)
{
 满足条件1要执行的代码1
}
else if(条件2)
{
 满足条件2要执行的代码2
}
else if(条件3)
{
 满足条件3要执行的代码3
}
else
{
 以上条件均不满足时执行代码n
}

语法说明：

▶ 先判断条件1，若满足条件1就执行代码1，其他代码统统不执行；

▶ 若不满足则按顺序向下判断条件2，满足条件2执行代码2，其他代码不执行；

▶ 若依然不满足继续往下判断，依次类推 ；

▶ 若以上条件都不满足，执行else里的代码n ；

▶ 注：可以根据实际需要写N个条件，但这里演示只写2个；

单条件分支语句和多条件分支语句总结：

a)不管是单条件分支语句，还是多条件分支语句，else都可以省略（前提else中没有代码）

b)条件分支语句，如果只有一行代码，则{}可以省略。

例：if(3>0)alert("雷工笔记");

c)分支语句可以相互嵌套。

2.2、三元表达式

就是单条件分支语句的另外一种写法

语法：

条件 ？ 代码1 ： 代码2；

语法说明：

a)判断条件的真假，如果为真，则执行代码1，后面的代码2不执行；

b)如果条件不成立，则执行代码2，前面的代码1不执行；

● 一般用来取值

2.3、switch分支语句

switch 分支语句就是多条件分支语句的另外一种写法

语法：

switch(数据/变量)
{
	 case 值1：
	 代码1；
	 break；
    
	 case 值2：
 	代码2；
	 break；
    
	 case 值3：
 	代码3；
 	break；
    
 	default：
	 代码n；
	 break；
}

释义：

▶ 找到跟小括号里数据/变量全等的case值，并执行里面对应的代码

▶ 若没有全等 === 的则执行 default里面的代码

▶ 例：数据若跟值1全等，则执行代码1

注意事项：

1>. switch case语句一般用于等值判断,不适合于区间判断；

2>. switch case一般需要配合break关键字使用 没有break会造成case穿透（default后面的break可以省略）；

3>.什么情况下使用switch语法？什么情况下使用多条件分支if语句？

a）在任何情况下都可以使用switch语句或者多条件分支语句；

b）如果变量的值是某些固定的值，推荐使用switch;

示例1：一年有12个月，1月-12月；

示例2：一年有4个季节，春，夏，秋，冬

c）如果变量的值是一个范围，推荐使用if多分支语句

示例：

者：Roman Orac
鱼羊 编译整理
量子位 报道 | 公众号 QbitAI

数据分析，如何能错过 Pandas 。

现在，数据科学家 Roman Orac 分享了他在工作中相见恨晚的 Pandas 使用技巧。

了解了这些技巧，能让你在学习、使用 Pandas 的时候更加高效。

话不多说，一起学习一下~

Pandas实用技巧

用 Pandas 做数据分析，最大的亮点当属 DataFrame。不过，在展示成果的时候，常常需要把 DataFrame 转成另一种格式。

Pandas 在这一点上其实十分友好，只需添加一行代码。

DataFrame 转 HTML

如果你需要用 HTML 发送自动报告，那么 to_html 函数了解一下。

比如，我们先设定这样一个 DataFrame：

import numpy as np
import pandas as pd
import random

n = 10
df = pd.DataFrame(
    {
        "col1": np.random.random_sample(n),
        "col2": np.random.random_sample(n),
        "col3": [[random.randint(0, 10) for _ in range(random.randint(3, 5))] for _ in range(n)],
    }
)

用上 to_html，就可以将表格转入 html 文件：

df_html = df.to_html()
with open(‘analysis.html’, ‘w’) as f: f.write(df_html)

与之配套的，是 read_html 函数，可以将 HTML 转回 DataFrame。

DataFrame 转 LaTeX

如果你还没用过 LaTeX 写论文，强烈建议尝试一下。

要把 DataFrame 值转成 LaTeX 表格，也是一个函数就搞定了：

df.to_latex()

DataFrame 转 Markdown

如果你想把代码放到 GitHub 上，需要写个 README。

这时候，你可能需要把 DataFrame 转成 Markdown 格式。

Pandas 同样为你考虑到了这一点：

print(df.to_markdown())

注：这里还需要 tabulate 库

DataFrame 转 Excel

说到这里，给同学们提一个小问题：导师/老板/客户要你提供 Excel 格式的数据，你该怎么做？

当然是——

df.to_excel(‘analysis.xlsx’)

需要注意的是，如果你没有安装过 xlwt 和 openpyxl 这两个工具包，需要先安装一下。

另外，跟 HTML 一样，这里也有一个配套函数：read_excel，用来将excel数据导入pandas DataFrame。

DataFrame 转字符串

转成字符串，当然也没问题：

df.to_string()

5个鲜为人知的Pandas技巧

此前，Roman Orac 还曾分享过 5 个他觉得十分好用，但大家可能没有那么熟悉的 Pandas 技巧。

1、data_range

从外部 API 或数据库获取数据时，需要多次指定时间范围。

Pandas 的 data_range 覆盖了这一需求。

import pandas as pd
date_from = “2019-01-01”
date_to = “2019-01-12”
date_range = pd.date_range(date_from, date_to, freq=”D”)
print(date_range)

freq = “D”/“M”/“Y”，该函数就会分别返回按天、月、年递增的日期。

2、合并数据

当你有一个名为left的DataFrame：

和名为right的DataFrame：

想通过关键字“key”把它们整合到一起：

实现的代码是：

df_merge = left.merge(right, on = ‘key’, how = ‘left’, indicator = True)

3、最近合并（Nearest merge）

在处理股票或者加密货币这样的财务数据时，价格会随着实际交易变化。

针对这样的数据，Pandas提供了一个好用的功能，merge_asof。

该功能可以通过最近的key（比如时间戳）合并DataFrame。

举个例子，你有一个存储报价信息的DataFrame。

还有一个存储交易信息的DataFrame。

现在，你需要把两个DataFrame中对应的信息合并起来。

最新报价和交易之间可能有10毫秒的延迟，或者没有报价，在进行合并时，就可以用上 merge_asof。

pd.merge_asof(trades, quotes, on=”timestamp”, by=’ticker’, tolerance=pd.Timedelta(‘10ms’), direction=‘backward’)

4、创建Excel报告

在Pandas中，可以直接用DataFrame创建Excel报告。

import numpy as np
import pandas as pd

df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=["a", "b", "c"])

report_name = 'example_report.xlsx'
sheet_name = 'Sheet1'
writer = pd.ExcelWriter(report_name, engine='xlsxwriter')
df.to_excel(writer, sheet_name=sheet_name, index=False)

不只是数据，还可以添加图表。

# define the workbook
workbook = writer.book
worksheet = writer.sheets[sheet_name]
# create a chart line object
chart = workbook.add_chart({'type': 'line'})
# configure the series of the chart from the spreadsheet
# using a list of values instead of category/value formulas:
#     [sheetname, first_row, first_col, last_row, last_col]
chart.add_series({
    'categories': [sheet_name, 1, 0, 3, 0],
    'values':     [sheet_name, 1, 1, 3, 1],
})
# configure the chart axes
chart.set_x_axis({'name': 'Index', 'position_axis': 'on_tick'})
chart.set_y_axis({'name': 'Value', 'major_gridlines': {'visible': False}})
# place the chart on the worksheet
worksheet.insert_chart('E2', chart)
# output the excel file
writer.save()

注：这里需要 XlsxWriter 库

5、节省磁盘空间

Pandas在保存数据集时，可以对其进行压缩，其后以压缩格式进行读取。

先搞一个 300MB 的 DataFrame，把它存成 csv。

df = pd.DataFrame(pd.np.random.randn(50000,300))
df.to_csv(‘random_data.csv’, index=False)

压缩一下试试：

df.to_csv(‘random_data.gz’, compression=’gzip’, index=False)

文件就变成了136MB。

gzip压缩文件可以直接读取：

df = pd.read_csv(‘random_data.gz’)

这一份Pandas技巧笔记，暂且说到这里。各位同学都做好笔记了吗？

Talk is cheap, show me the code。学会了，就用起来吧

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态

器之心报道

机器之心编辑部

只要你有纯文本编辑器，加上一条语句，瞬间它就可以成为 Markdown 编辑器。

Markdeep 是一个用来写纯文本的插件，它能以 Markdown 的语法与渲染方式纯文本，并在网页上展示。同时，除了 Markdown 语法，Markdeep 还额外支持图表、数学方程等扩展能力。

项目主页：https://casual-effects.com/markdeep/

我们先看看效果，如下左边是纯文本编辑器的编辑页面，右边是在浏览器上的渲染效果：

Markdeep 非常容易使用，它也不需要安装插件或联网。如上所示只要在纯文本最后加上「<!—Markdeep→」那一行的表达式，它就可以变成一个地道的 Markdown 编辑器。Markdeep 不需要额外安装任何东西，也不需要导出、编译等杂七杂八的过程。

看着 Markdeep 很简单，但它的功能却不少，一点也不逊色于 Typora 等正统的 Markdown 编辑器。不论我们是写项目的 README 文档、实验报告，还是要做 PPT 或写论文，它都能满足。该项目提供了很多示例，例如生成的 PPT 是什么样的，后文会具体展示。

开源代码

Markdeep 是开源的，所以可以直接下载和修改源代码文件 markdeep.js。整个编辑器就是一个 JavaScript 脚本，上面定义了各种格式与渲染方式。作者表示，目前他正研究该如何有效降低脚本文件大小。

用于表格处理的部分代码，整个脚本有超过 5000 行代码。

脚本源码地址：https://casual-effects.com/markdeep/latest/markdeep.js

作者表示，这个项目本来就是一个业余项目，它并不会有完整的技术支持。不过只要提交的 Bug 足够具体，作者都会完善它。此外，该项目还会经常加入一些新特性，从 2015 年 10 月份的第一版，到今年 2 月份的最新版，这个编辑器已经维护了很长时间。

Markdeep 怎么用

如果你需要创建一个 Markdeep 的文件，只需要打开任意一个文本编辑器，然后开始编辑。完成文本编辑工作后，只需要在其底部写下一个简单的代码就行了。然后，将这个文档保存为纯文本文件，使用 .md.html 为扩展名。

<!-- Markdeep: --><style class="fallback">body{visibility:hidden;white-space:pre;font-family:monospace}</style><script src="markdeep.min.js" charset="utf-8"></script><script src="https://casual-effects.com/markdeep/latest/markdeep.min.js" charset="utf-8"></script><script>window.alreadyProcessedMarkdeep||(document.body.style.visibility="visible")</script>

如果你希望在源文档中使用 Unicode，则需要在文档顶部先加上这句话：

<meta charset="utf-8">

想要看看效果？你可以将文本拖入浏览器或双击它。即使网络离线也可以查阅文档。如果不想因为离线而失去格式，可以将 markdeep.min.js 文件和文档保存在一个文件夹中。

如果想要看看 Markdeep 原始文本，在文件 URL 最后加上「?noformat」即可。

上手示例

小编随手测试了几个典型 Markdown 语法，比如：代办列表、自动链接、表格、内联图片、代码。与此同时，LaTeX 的数学表达式和图形也能直接设计，而不需要任何插件。具体效果可参考：

简而言之，配备完善，对于熟悉 Markdown 的小伙伴来说，用起来会十分顺手及方便。这意味着，在有网的情况下，随意拎一个文本编辑器后，就再也没有人能拦得了你使用 Markdown 了。与此同时，时时预览效果也非常简便，只需要在文本编辑器里修改，浏览器中刷新下便可呈现最新效果。

Markdeep 能干什么

只要是 Markdown 支持的，Markdeep 就能够支持，它在业界和学术界能得到广泛使用。如下所示，各种题材与格式的文档都能用 Markdeep 完成：

• API 文档
• 教学大纲
• 游戏设计文件
• 家庭作业
• 课程 PPT
• 软件库网站
• 个人博客
• 简历
• 论文

看起来 Markdeep 似乎什么都能做，项目作者同样也展示了这些方面的效果图：

Markdeep 制作的 PPT。

Markdeep 制作的个人简历。

总之，除了使用方便、展示炫酷，Markdeep 的功能也是非常强大。正如其它开发者所强调的，Markdeep 是能制作简单图表的 Markdown 工具，它以一种「ASCII Art」的方式用纯文本制作出图形，并且不用渲染也非常明晰。