ch2-基本工具介绍

基本工具介绍

一、环境配置

安装miniconda3作为python环境。

如果配置了CUDA，可以安装tensorflow-gpu。

二、第三方库

数据预处理	Numpy	提供高效的N维数组和向量计算
	Scipy	依赖Numpy，提供高效数值计算，包含函数最优、数值积分等任务模块
	pandas	数据结构和数据分析库。包含高级数据结构和类SQL语句
数据可视化	Matplotlib	数据可视化库
标准模型库	scikit-learn	标准机器学习库，主要用于分类、回归和聚合
	Statsmodels	标准统计模型库，主要用于假设检验和参数置信区间分析
	Spark ML	分布式机器学习算法库，可在分布式集群上，如Hadoop，对大量数据建模。由Scala开发，提供python API
	Tensorflow	成熟的数度学习算法库，提供GPU运算模块

三、python基础知识

小技巧：

• type得到调用对象的类型；
• dir得到调用对象的所有属性和方法；
• help得到模块的使用方法；也可以调用.__doc__属性；

import numpy as np

type(np)        # module
dir(np)         # 返回np的所有方法
help(np.max)    # 返回np.max的说明文档
print(np.max.__doc__) 
# 和上一条命令结果一致；一定要加print，不然格式很乱。

四、数据科学的"hello,world"

wordCount.py

def wordCount(data):
    """
    输入字符串列表data，统计列表中每个字符串的出现次数

    参数
    ----
    data : list[str]

    返回
    ----
    re : dict{key=str, value=numbers of each str}
    """
    re = {}
    for i in data:
        re[i] = re.get(i, 0) + 1
    return re

if __name__=="__main__":
    data = {'ab', 'cd', 'ab', 'd', 'd'}
    print(wordCount(data))

1. 脚本开头

在python2中，默认编码是ASCII，当程序出现非ASCII编码时，会报错，所以在python2脚本第一行加入：# -*- coding: UTF-8 -*- ，表示：此脚本的编码格式为UTF-8。

当程序中有中文字符，就需要加入这一行来显示中文字符。

在python3中，默认使用UTF-8编码，不需要加入这行。

还有一种开头方式较为常见：#! /usr/bin/python。在脚本第一行以#!开头，称之为"shebang"，用来指定由哪个解释器来执行脚本。这句话的意思就是：此脚本的编译器要使用/usr/bin/python。

大部分Linux发行版默认自带python2，使用python默认打开的就是python2；但是在Ubuntu20.04已经移除2，需要使用python3命令启动python3.8。python2脚本为了能顺利执行，需要指定特定编译器。

我们推荐使用#! /usr/bin/env python。为了避免当用户没有将python装在默认的/usr/bin路径里，而找不到python解释器的问题。过程：操作系统首先会到usr/bin/env里查找python的安装路径，再调用对应路径下的解释器程序完成操作。这句代码的作用是让操作系统会去环境设置寻找python目录。

在Ubuntu20.04中，使用/usr/bin/env python3也能启动python3.8

2. dict.get(key, default=None)

检查字典是否包含key，如果包含则返回对应的键值，没有则返回默认值default=None。

使用dict.get()来统计data中各个字符串出现的次数，这个思路还是很不错的。

3. 模板对象

python中，所有内容都是对象。

比如函数wordCount()可以使用wordCount.__doc__查看函数的注释文档。

同样的，脚本也被当作模板(module)对象。module对象有个内置属性__name__，至于这个属性的值，取决于用户如何使用。

• 如果直接运行脚本，那么__name__ = __main__;
• 如果导入脚本，import wordCount，那么__name__属性就等于wordCount;

五、lambda表达式和内置函数map, reduce, filter

# 函数写法
def f(a,b):
    return a+b
c=f(1,2)

# lambda表达式
g = lambda a, b: a+b
g(1,2)

lambda表达式不仅简洁，把它和其他内置函数使用，可以方便地创建匿名函数

lambda+map

def addOne(data):
    """
    把data的每个元素都加1，返回新的列表。
    """
    re=[]
    for i in data:
        re.append(i+1)

# lambda+map()完成同样的效果
a=range(6)
b = list(map(lambda x:x+1, a))

map(function, iterable, ...)第二个参数是可迭代对象，比如list, tuple和dict。用法是：把第二个参数中的每个元素依次代入function。

在python3中，直接使用map()得到的是个map object，是没法直接展示结果的。所以需要强制类型转换，上面我们使用list()强制转换成了list类型，也可以用tuple强制转换成元组。

lambda也可以接受函数作为参数；

a = range(6)
twoTimes = lambda x: x*2
square = lambda x: x**2
b = list(list(map(lambda x: x(i), [twoTimes, square])) for i in a)
print(b)

这里强调一下两个list的用法。里面的list是把map->list；由于for循环在后面，所以最外面也需要加一个list组织起来。

lambda+filter/reduce

filter的用法和map很像，作用是筛选，筛选的条件是：去掉第一个函数的返回值是0的元素，也就是那些结果为False的元素。

a = range(6)
list(filter(lambda x: x%2==0, a))

reduce是用来做聚合运算的。python3中，把reduce放在了functools，使用前需要导入。

from functools import reduce
reduce(lambda c,d: c+d, a, 0)
# 返回值：15
# 第一个参数为求和函数；第二个参数是需要求和列表；第三个参数是初始值

六、python的工程结构

作用：像导入Numpy库一样，导入自己的脚本。以下面一个简单文件结构为例：

mini_project
    |_components
        counter.py  
        selecter.py 
    |_tests
        test_selecter.py

• counter.py:定义wordCount()函数；
• selecter.py:定义getFrequentItem()函数，调用wordCount()函数；
• test_selecter.py:调用getFrequentItem()函数；

问题是：上面两处调用如何实现？如果按照导入库一样实现，那么实现步骤如下：

• 在每个文件夹下加入__init__.py，这是一个空白文件，加入后python会把这个文件夹当作包识别，反之只会当作普通文件夹；新的文件夹结构如下：

mini_project
    __init__.py
    |_components
        __init__.py
        counter.py  
        selecter.py 
    |_tests
        __init__.py
        test_selecter.py

• selecter.py的调用为from mini_project.components.counter import wordCount
• test_selecter.py的调用为from mini_project.components.selecter import getFrequentItem
• 将mini_project这个文件夹的位置添加到sys.path中；
  • 查看sys.path的方法为import sys; sys.path；
  • 添加方法有三种，自行查阅。