1. 在做测试自动化时，python数据类型转换函数有几种
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
2. python3 16进制字符串、列表、字符串之间的转换
在Python操作数据内容时，多数情况下可能遇到下面3种类型的数据处理：
hexstring 如：ƇC532145697A8B6F'
str 如：'x1Cx53x21x45x69x7Ax8Bx6F'
list 如：[0x1C, 0x53, 0x21, 0x45, 0x69, 0x7A, 0x8B, 0x6F]
各种第三方模块（如pyDes），或者自己写的接口中，可能存在由于类型不统一需要在这3种数据中来回切换的情况。
需要用到的核心的方法如下：
list() 将对象转换为list
str() 将对象转换为str
bytearray() 将对象转换为bytearray
bytearray.fromhex() 将对象从hexstring转换为bytearray
binascii.b2a_hex() 将对象从str转换为hexstring
如：[0x53, 0x21, 0x6A] -> 'x53x21x6a'
方法：list -> bytearray -> str
如：'x53x216a' -> [0x53, 0x21, 0x6A]
方法：逐个字符转成十进制
如： [0x53, 0x21, 0x6A] -> �A'
方法：list -> bytearray -> str -> hexstring
如： �A' -> [0x53, 0x21, 0x6A]
方法：hexstring -> bytearray -> list
如： �A' -> 'x53x21x6A'
方法：hexstring -> bytearray -> str
以上内容转自： https://blog.csdn.net/diaoxuesong/article/details/72123415#
3. Python 数据可视化：分类特征统计图
上一课已经体验到了 Seaborn 相对 Matplotlib 的优势，本课将要介绍的是 Seaborn 对分类数据的统计，也是它的长项。
针对分类数据的统计图，可以使用 sns.catplot 绘制，其完整参数如下：
本课使用演绎的方式来学习，首先理解这个函数的基本使用方法，重点是常用参数的含义。
其他的参数，根据名称也能基本理解。
下面就依据 kind 参数的不同取值，分门别类地介绍各种不同类型的分类统计图。
读入数据集：
然后用这个数据集制图，看看效果：
输出结果：
毫无疑问，这里绘制的是散点图。但是，该散点图的横坐标是分类特征 time 中的三个值，并且用 hue='kind' 又将分类特征插入到图像中，即用不同颜色的的点代表又一个分类特征 kind 的值，最终得到这些类别组合下每个记录中的 pulse 特征值，并以上述图示表示出来。也可以理解为，x='time', hue='kind' 引入了图中的两个特征维度。
语句 ① 中，就没有特别声明参数 kind 的值，此时是使用默认值 'strip'。
与 ① 等效的还有另外一个对应函数 sns.stripplot。
输出结果：
② 与 ① 的效果一样。
不过，在 sns.catplot 中的两个参数 row、col，在类似 sns.stripplot 这样的专有函数中是没有的。因此，下面的图，只有用 sns.catplot 才能简洁直观。
输出结果：
不过，如果换一个叫角度来说，类似 sns.stripplot 这样的专有函数，表达简单，参数与 sns.catplot 相比，有所精简，使用起来更方便。
仔细比较，sns.catplot 和 sns.stripplot 两者还是稍有区别的，虽然在一般情况下两者是通用的。
因此，不要追求某一个是万能的，各有各的用途，存在即合理。
不过，下面的声明请注意： 如果没有非常的必要，比如绘制分区图，在本课中后续都演示如何使用专有名称的函数。
前面已经初步解释了这个函数，为了格式完整，这里再重复一下，即 sns.catplot 中参数 kind='strip'。
如果非要将此函数翻译为汉语，可以称之为“条状散点图”。以分类特征为一坐标轴，在另外一个坐标轴上，根据分类特征，将该分类特征数据所在记录中的连续值沿坐标轴描点。
从语句 ② 的结果图中可以看到，这些点虽然纵轴的数值有相同的，但是没有将它们重叠。因此，我们看到的好像是“一束”散点，实际上，所有点的横坐标都应该是相应特征分类数据，也不要把分类特征的值理解为一个范围，分散开仅仅是为了图示的视觉需要。
输出结果：
④ 相对 ② 的图示，在于此时同一纵轴值的都重合了——本来它们的横轴值都是一样的。实现此效果的参数是 jitter=0，它可以表示点的“振动”，如果默认或者 jitter=True，意味着允许描点在某个范围振动——语句 ② 的效果；还可设置为某个 0 到 1 的浮点，表示许可振动的幅度。请对比下面的操作。
输出结果：
语句 ② 中使用 hue='kind' 参数向图中提供了另外一个分类特征，但是，如果感觉图有点乱，还可以这样做：
输出结果：
dodge=True 的作用就在于将 hue='kind' 所引入的特征数据分开，相对 ② 的效果有很大差异。
并且，在 ⑤ 中还使用了 paletter='Set2' 设置了色彩方案。
sns.stripplot 函数中的其他有关参数，请读者使用帮助文档了解。
此函数即 sns.catplot 的参数 kind='swarm'。
输出结果：
再绘制一张简单的图，一遍研究这种图示的本质。
输出结果：
此图只使用了一个特征的数据，简化表象，才能探究 sns.swarmplot 的本质。它同样是将该特征中的数据，依据其他特征的连续值在图中描点，并且所有点在默认情况下不彼此重叠——这方面与 sns.stripplot 一样。但是，与之不同的是，这些点不是随机分布的，它们经过调整之后，均匀对称分布在分类特征数值所在直线的两侧，这样能很好地表示数据的分布特点。但是，这种方式不适合“大数据”。
sns.swarmplot 的参数似乎也没有什么太特殊的。下面使用几个，熟悉一番基本操作。
在分类维度上还可以再引入一个维度，用不同颜色的点表示另外一种类别，即使用 hue 参数来实现。
输出结果：
这里用 hue = 'smoker' 参数又引入了一个分类特征，在图中用不同颜色来区分。
如果觉得会 smoker 特征的值都混在一起有点乱，还可以使用下面方式把他们分开——老调重弹。
输出结果：
生成此效果的参数就是 dodge=True，它的作用就是当 hue 参数设置了特征之后，将 hue 的特征数据进行分类。
sns.catplot 函数的参数 kind 可以有三个值，都是用于绘制分类的分布图：
下面依次对这三个专有函数进行阐述。
4. python中提供的数据类型转换函数有哪些,作用是什么
作用就是把合理的数据转换为需要的类型。int()整数，float()浮点数，str()字符串，list()列表，tuple()元组，set()集合……
比如a='12'这个是字符串类型，用int函数a=int(a)这时变量a就是整型，字符串'12'变为了整数12。Python没有变量声明的要求，变量的属性在赋值时确定，这样变量的类型就很灵活。
有一种题目判断一个整数是否回文数，用字符串来处理就很简单
a=1234321#整数
if str(a)==str(a)[::-1]:#借助字符串反转比较就可以确定是否回文数。
还比如元组b=(1,3,2,4)，元组是不可以更新删除排序成员的，但是列表是可以的，通过列表函数进行转换来实现元组的更新删除和排序。
b=(1,3,2,4)
b=list(b)
b.sort()
b=tuple(b)
这时得到的元组b就是一个升序的元组(1,2,3,4)
再比如你要输入创建整数列表或者整数元组基本上写法相同，就是用对应的函数来最后处理。
ls=list(map(int,input().split()))#这个就是列表
tup=tuple(map(int,input().split()))#这个就是元组
再比如有个叫集合的，集合有唯一性，可以方便用来去重。
ls=[1,2,3,1,2,3,1,2,3]
ls=list(set(ls))#通过set()去重后，现在的ls里就是[1,2,3]去重后的列表。
5. Python小知识：如何在Python 3中转换数据类型
Python基础知识：数据类型转换指南
在Python编程中，理解数据类型及其转换至关重要。数据类型定义了可以赋值和执行操作的数据类别，如数字（整数和浮点数）、字符串、元组和列表。本文将详细介绍如何在Python 3中进行这些转换。
1. 数字类型转换
Python支持两种数字类型：整数和浮点数。转换方法如下：
2. 除法与类型转换：Python 3在除法运算时自动将整数转换为浮点数，如`5 / 2`结果为2.5。
3. 字符串转换
字符串是另一种常用数据类型。转换如下：
4. 字符串到数字的反向转换：使用`int()`和`float()`，如`int("58")`得到58。
5. 元组和列表转换
元组和列表是可变和不可变的数据结构，转换如下：
通过这些转换，你可以根据需要灵活地在不同类型之间转换数据，以便进行相应的操作。希望这些信息对你的Python编程有所帮助！