第2章 Python机器学习的使用

第2章Python机器学习的使用2.1Python语言介绍2.2Python平台搭建2.3Python入门2.4Python库的使用2.5小结2.1Python语言介绍

Python作为一门开源语言使用广泛，入手非常快语法简单，简单易读，是一种解释性强、交互式、面向对象、跨平台的语言。Python被称为“胶水语言”，不仅可以使用Python编程，还可以使用C语言、C++编写，他把耗时的代码交给C/C++等高效率的语言进行实现，然后通过粘合来使用，这样就使得Python运行时间得到简化。Python还具有列表、元组、字典等核心数据类型，以及集合、队列等无需进一步编程就能直接使用。由于Python可以应用到多个领域，功能比较广泛，可扩展性强，所以基于Python生成了非常多的第三方库，这些库Python本身不带，运用时需要先安装，然后才能导入，Python包含了大量的第三方库可以运用到机器学习，比如：图形库，数学函数库，机器学习算法库等。2.2Python平台搭建Python适用于多个平台，并且拥有多个版本，可以根据平台选择合适的版本Python可以通过官方网站下载：/Python下载软件安装第三方库的安装2.3Python入门数据类型基本运算控制语句复杂数据类型函数数据类型数值型a=123print(a)a=3.14print(a)a=1.23456890print("{:0.2f}".format(a))字符串str='thisisaprogram'print(str[0])print(str[-1])print(str[0:4])print(len(str))print(str)print("{2}{1}{3}".format("this","is","a","program"))在Python中有两种索引方式，一种是正索引，一种是负索引，我们既可以通过正索引进行查询，也可以通过负索引进行查询。在进行切片操作时，一般通过如下方式：object[start_index:end_index:step]step：步数，其正负值决定了切片方向。start_index:开始索引(包括自身)。end_index：结束索引(不包括自身)。布尔类型 空值true=True a=Nonefalse=False

print(a)print(true)print(false)基本运算基本运算符a=1+2print(a)a=1-2print(a)a=1*2print(a)a=1/2print(a)a=1//2print(a)a=1%2print(a)a=10**32print(a)多变量赋值a=1b=2a,b=b,a+bprint(a,b)控制语句条件控制语句year=int(input("请输入年份："))ifyear%4==0andyear%100!=0:print("{}年isleap".format(year))elifyear%400==0:print("{}年isleap".format(year))else:print("{}年isn'tleap".format(year))循环控制语句foriinrange(5):print(i)条件循环n=5while(n):print(n)n=n-1复杂数据类型列表(list)、元组(tuple)、字典(dict)、集合(set)列表：列表是可变的数据类型，在创建列表后可以添加、删除或者搜索数据，在Python中用[]表示。list=['a','b','c']print(list)list.append('d')print(list)list.extend('e')print(list)list.remove('e')print(list)元组：元祖和列表相似，但元组不可变。即不能添加或删除元组内的信息，但元组可以嵌套。在Python中用()表示。list=['b','c']tuple=('a',list,'d')print(tuple)list.remove('c')print(tuple)tuple[1].append('c')print(tuple)字典：字典是可变的，其数据类型包括键和值，键和值之间用“:”隔开，每个元素间以“,”隔开。且字典中的键是唯一的。在Python中用{}表示。dict={'a':1,'b':2,'c':'three'}print(dict.keys())print(dict.values())print(dict['c'])dict['c']=3print(dict['c'])dict.setdefault('d',4)print(dict)dict.pop('a')print(dict)dict.clear()print(dict)集合：集合与字典类似，但只包含键，没有对应的值，且包含的键不能重复。在Python中用set()或{}表示，set()中可以是列表、元组、字符串等。s=set([1,2,3])print(s)s={1,2,3}print(s)s=set("aabbc")print(s)函数：函数在任何时候都非常重要，能够自己建立函数解决机器学习问题，是一件不容易的事。我们先介绍Python中函数的语法：Python中建立函数利用def作为关键字开头，然后后面跟函数名、参数、“()”、“:”等，通过缩进表示函数内的内容。deffun(n):ifn==1orn==0:return1else:returnn*fun(n-1)print(fun(5))2.4Python库的使用scikit-learnmglearnnumpyscipypandasmatplotlibGraphvizscikit-learnscikit-learn简称为sklearn,是机器学习最重要的一个机器学习库，包括了大量的机器学习算法，而且还包括了大量的小型数据集，节省了获取数据集所花费的时间，使新手很容易上手，因而成为了广泛应用的重要的机器学习库。sklearn还包括了许多功能，例如：分类任务、回归任务、聚类任务、降维任务、模型选择和数据的预处理。mglearn机器学习主要运用到这个库的两个方面，一是利用matlotlib作图时，库中有配置好的cm2、cm3配色方案，二是库中有加载和获取常用数据集、人工生成数据集的模板load，可以引用sklearn.datasets模块。numpynumpy支持高级大量的维度数组与矩阵运算，它要求列表中所有元素类型都是相同的，然后将列表转化成相对应的数组进行运算。而且具有矢量运算能力，快速、节省空间。此外也针对数组运算提供大量的数学函数库。建立列表importnumpyasnpdata=[[1,2,3],[4,5,6],[7,8,9]]print(data)将列表转换为数组importnumpyasnpdata=[[1,2,3],[4,5,6],[7,8,9]]ndarray=np.array(data)print(ndarray.shape)print(ndarray)比较两者的运算importnumpyasnpdata=[[1,2,3],[4,5,6],[7,8,9]]ndarray=np.array(data)print("data数据:\n{}".format(data*2))print("ndarray数据:\n{}".format(ndarray*2))对数组进行切片importnumpyasnpdata=[[1,2,3],[4,5,6],[7,8,9]]ndarray=np.array(data)print(ndarray[1,2])print(ndarray[1,:])print(ndarray[:,2])scipyscipy建立在numpy的基础之上，用于数学、科学、工程领域的第三方库。它主要用于用于有效计算numpy矩阵，使numpy和scipy协同工作，高效解决问题。如统计、优化、数值积分、图像处理、信号处理以及常微分方程数值解的求解功能。建立稀疏矩阵importnumpyfromscipyimportsparsea=[[1,0,0,2],[0,0,3,0],[0,3,0,0]]a=numpy.array(a)print(a)转换importnumpyfromscipyimportsparsea=[[1,0,0,2],[0,0,3,0],[0,3,0,0]]a=numpy.array(a)array=sparse.csr_matrix(a)print(array)pandaspandas也是基于numpy创建的一个为了解决数据分析任务的一种数据处理工具。pandas是一款最具有统计意义的统计包，它纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具和大量能使我们快速便捷地处理数据的函数和方法。pandas常用的是series，dataframe，panel等，分别用来处理一维、二维和三维数据，应用最多的是dataframe，它能将numpy数组或者字典转化为类似于表格的类型，有行标签和列标签。importnumpyasnpimportpandasaspdarray=[[1,2],[3,4]]array=np.array(array)row=['r1','r2']col=['c1','c2']dataframe=pd.DataFrame(array,row,col)print(dataframe)importpandasaspddic={'name':["zhao","qian","sun","li"],'sex':['m','f','f','m']}dic=pd.DataFrame(dic)print(dic)matplotlibmatplotlib是一款绘图工具，用于绘制散点图、直方图、线型图等，类似于matlab，有matlab基础的同学能够快速上手matplotlib。importmatplotlib.pyplotaspltimportnumpyasnpdata=np.random.randn(200)plt.hist(data)plt.xlabel("XLabel")plt.ylabel("YLabel")plt.title("Title")plt.show()importmatplotlib.pyplotaspltimportnumpyasnpx=np.linspace(-10,10)y=np.abs(x)plt.plot(x,y)plt.xlabel("XLabel")plt.ylabel("YLabel")plt.title("Title")plt.show()importmatplotlib.p