❶ 学习python的新手，不懂得怎么打开python
这个如果不知道怎么打开的话，看来是你教材没选对，Python学习视频中，学完前两节，就应该会懂得如何打开Python的，如果这部分都没讲，感觉之后学下去会更困难吧，建议换教材！
❷ close()是python内置函数吗菜鸟教程
是。用于刷新和关闭IO对象（文件）。关闭后的文件不能再进行读写操作， 否则会触发ValueError错误。close（稿御）方法是Python中的内置方法，所以close（）是python内置函数菜鸟教程。Python是一种跨平台的计算宽逗机程序设计语言，是ABC语键巧岩言的替代品，属于面向对象的动态类型语言。
❸ 如何在linux环境下添加python模块路径
本人python菜鸟一枚，在学习python过程中，经常要按照教程编写一些模块和函数练手，刚开始只是在python shell中编写，但是如果出错就会非常悲剧，又要从头开始编，而且重启python后也要重新编写模块。所以希望能像bash编程那样将脚本路径添加到环境变量中，这样修改起来也方便。以下内容均来源于网络及本菜鸟。
摘要：本文叙述了如何在linux环境下添加python模块的路径，第1部分介绍了如何查看python环境变量，第2部分介绍了如何将脚本放入python自带的环境变量目录中，第3部分介绍了如何将目录放入python的环境变量中重启python失效，第4部分介绍了如何为python添加永久环境变量目录。这些方法可以使模块的修改和重复使用更加方便，不用重复输入。
1、首先，可以用python中的内建模块sys来查看python的环境变量。
这些目录都是python的环境变量。
2.接下来本菜鸟尝试一下如果将提前写好的python脚本放入这些目录中，能不能在python中使用。别问为什么跑题，本菜就想试一试^ -^。
选择/usr/local/lib/python2.7/dist-packages/pip-7.1.2-py2.7.egg这个目录，脚本名为my_mole.py，里面只有一个名为c_to_f的函数，用来计算从摄氏温度转换为华氏温度。
可以看到，脚本已经位于刚开始选定的的目录下了。
我们现在来看看，在python中导入这个模块。并按照“模块.函数”的格式使用函数。
可以看到，导入模块成功，其中的c_to_f函数也正确使用，10摄氏度=50华氏度。或者你在确定函数名不重名的前提下，可以from my_mole import c_to_f，这样就可以直接使用函数c_to_f，而不需要模块名作为前缀。
实验成功，将脚本导入python自带的环境变量目录中是有效的，如果之前运行了python，再导入后并不用重启python就可以导入模块。
3.接下来我们回归正题，如何自定义python环境变量目录。最直接的想法是把目录加到刚才的python环境变量中。可以使用sys.path.append('/.../....')。
然后再次查看path路径，发现"/home/sh/python"目录确实加入了。并且也可以使用。但是这种方法一旦退出python，刚才新加的目录就消失了。
4.接下来介绍一种一劳永逸的方法，就是直接修改系统变量。
export PYTHONPATH=$PYTHONPATH:/..../..../，对，没错，直接在shell中敲这一行，目录是你自定义的目录，然后打开python，import my_mole，你就愉快的可以使用自定义的模块了。
http://blog.sina.com.cn/s/blog_959cf80d0102vx3j.html
❹ python exec() 菜鸟教程上的例子，最后一个结果为34的看不懂，求教
exec(expr, {'x':1,'y':2}) 这句很明显：30+1+2=33
exec(expr, {'x':1,'y':2}, {'y':3,'z':4})这句：
x传入的是1，y第一个传入的是2，第二次传的是3将之前的2覆盖了。所以y是3，z传入的是4。但是在expr里面重新给z赋值了30，所以结果是30+1+3=34
❺ python要学些什么
Python主要应用在大数据分析，爬虫开发，全栈开发，自动化开发和人工智能。Python之所以薪资高火，是因为在国内刚起步，但在国外和Java一样流行。国内很多人不会，人工智能刚起步。很多国内技术是由国外进来的，例如:微博这样的系统在国外叫Facebook，网络这样的业务在国外叫谷歌。华为这样的业务在国外叫思科，阿里这样的业务在国外叫亚马逊。都是由国外传到国内的；
1:Python薪资高，现在刚火起来在国内，在北上广深行发展一段时间在回二三线城市直接进管理层
2:Python是开发语言里面最简单的上手容易，简单不是说这个语言没含金量，是社会发展到这里了
3:Python是人工智能，自动化开发，数据分析，无人驾驶，无人机开发必备和基础的功底，这代表未来不希望10多年后还要不断学习或者被淘汰就像手动挡汽车，自动挡汽车，无人驾驶，越来越简单越来越方便.用最简单的逻辑实现最复杂的功能是开发语言趋势
4:就业以内部推荐为主，很多单位项目都用Python整改，兼容性，可靠性稳定性更好
5:Python做为国家战略规划已经加入到高中教材和二级考试，没有任何语言这么被重视从小学生抓起，现在少儿编程学的就是Python
课程内容大概讲什么能说下吗？
第一阶段：python开发入门
第二阶段：函数编程+常用标准库
第三阶段：面向对象+网络编程
第四阶段：核心网络编程+数据库
第五阶段：前端开发
第六阶段：web框架开发
第七阶段：web框架开发进阶
第八阶段：爬虫实战
第九阶段：企业项目实战
第十阶段：算法设计模式
第十一阶段：高并发业务解决方案
❻ Python热力图绘制方法—新手教程
# Python热力图绘制方法
热力图的使用场景有
1.描述数据在空间的密集程度，常见有城市热力图，区域热力图
2.描述多个变量之间相关性高低程度
# step 1 准备数据集，读取excel列表内容，usecols = index, 这里是表里的第一列不读取。
index =range(1, 11)
dataset = np.array(pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=index))
# step 2 读取excel行索引转成列表，作为热力图的y轴标签
a = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=[0]))
y_label =list(a.stack())
# step 3 读取excel列索引转成列表，作为热力图的x轴标签
b = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv'))
column_index=(b.columns.tolist())
x_label = column_index[1:]
# 这一步是为了计算热力图的数据的最大值，可以进行标准化处理，也可以直接显示数据，dataframe转成list，从list里面寻找最大值
dataset_max = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=index))
list1 = np.array(dataset_max.stack())
max_number =max(list1)
# step 4 开始绘制热力图
plt.figure(figsize=(14, 8))# 定义输出图像大小，annot参数决定是否在热力图上显示数值，Vmax,Vmin表示最大最小值，cmap表示颜色
sns.heatmap(dataset, fmt='.0f', annot=True, vmin=0, vmax=max_number, cmap='Reds', yticklabels=y_label,
xticklabels=x_label)
# 绘制标签
plt.xlabel('This is x label', labelpad=15)
plt.ylabel('This is y label', labelpad=20)
plt.show()