MachineLearning入门-5（Python和Scipy简介）

目标：

• 熟悉Python基本语法
• 熟悉Numpy、Matplotlib、Pandas，能够阅读和编写基于python的机器学习脚本
• 为深入理解机器学习打下基础

Python速成

基本数据类型和赋值运算：字符串、数值、布尔类型、多变量赋值、空值。

在Python中，空格是有意义的，用来区分代码块。

每一种数据类型都是对象，空值是Python中的一个特殊值，用None表示，表示改值是一个空对象。可以将None赋值给任何对象，也可以将任何变量赋值给一个None值的对象。

控制语句：条件控制、循环语句、条件循环。

在Python中有三种数据类型非常有用，并且会被经常使用到。它们分别是元组、列表、字典。

元组：是一个只读的集合类型，初始化后，元组的元素不能重新赋值。

#元组
a=(1,2,3,4)
print(a)
print(a[1])

(1, 2, 3, 4)
2
列表：与元组类似，只是列表通过中括号定义，而且列表的元素可以重新赋值。对列表增加列表项使用列表的append()函数。、

#列表
a=[1,2,3]
print(a)
#增加列表项
a.append(4)
print(a)
print(a[3])
#更新列表项
a[2]=5
print(a)
for i in a:
    print(i)

[1, 2, 3]
[1, 2, 3, 4]
4
[1, 2, 5, 4]
1
2
5
4
字典：是另一种可变容器模型，且可以存储任意类型的对象。字典的每个键值对（key，value）用冒号（：）分隔。每个键值对之间用逗号（，）分隔，整个字典包括在花括号（{}）中。

#字典
mydict={'a':6.16,'b':'str','c':True}
print('A vluae: %.2f' % mydict['a'])
#增加字典元素
mydict['a']=523
print('A value: %d' % mydict['a'])
print('keys: %s' % mydict.keys())
print('values: %s' % mydict.values())
for key in mydict:
    print(mydict[key])

A vluae: 6.16
A value: 523
keys: dict_keys(['a', 'b', 'c'])
values: dict_values([523, 'str', True])
523
str
True
此外，若删除字典中全部元素，使用字典自身的clear（）方法；若删除字典特定key元素，用pop（key）方法。

mydict={'a':6.18,'b':'str','c':True}
#删除特定元素
mydict.pop('a')
print(mydict)
#删除字典中全部元素
mydict.clear()
print(mydict)

{'b': 'str', 'c': True}
{}

with语句

下面是一组与上下文管理器和with语句有关的概念。
上下文管理协议（Context Management Protocol):包含方法__enter__(),__exit__(),支持该协议的对象要实现这两个方法。
上下文管理器（Context Manager）：支持上下文管理协议的对象。定义执行with语句时要建立的运行时上下文，负责执行with语句块上下文中的进入与退出操作。
运行时上下文（Runtime Context）：由上下文管理器创建，通过上下文管理器的__enter__(),__exit__()方法实现。__enter__()方法在语句体执行之前进入上下文，__exit__()方法在语句体执行完毕后从运行的上下文中退出。
上下文表达式（Context Expression）：with语句中跟在关键字with之后的表达式，该表达式要返回一个上下文管理器对象。
语句体（with-body）：with语句包裹起来的代码块，在执行语句体之前会调用上下文管理器__enter__()方法，执行完语句体之后会执行__exit__()方法。

Python对一些内建的对象进行该进，加入了对上下文管理器的支持，可以用于with语句中，比如可以自动关闭文件、线程锁的自动获取、释放。假设要对一个文件进行操作，可以使用with语句，代码如下：

with open('somefileName') as somefile:
    for line in somefile:
        print(line)
        #... more code

这里使用了with语句，不管在处理文件过程中是否发生异常，都能保证with语句执行完毕后关闭了打开的文件句柄。如果使用传统的try/finally范式，则要使用如下代码：

somefile=open('somefileName')
try:
    for line in somefile:
        print(line)
        #...more code
finally:
    somefile.close()

使用with语句，简化了对异常的处理。因此，当需要对异常进行处理时，如果对象遵循了上下文管理协议，建议使用with语句来实现。

Numpy速成

Numpy为Scipy提供了基本的数据结构和运算，其中最主要的是ndarrays多维数组，它提高了高效的矢量运算功能。

访问数据

算数运算

Matplotlib速成

Matplotlib是Python中著名的2D绘图库，使用方法比较简单，按照下面的三步进行操作就能很简单的完成绘图。

• 调用plot(),scatter()等方法，并为绘图填充数据。数据是Numpy的ndarray类型对象。
• 设定数据标签，使用xlabel(),ylabel()方法。
• 展示绘图结果，使用show()方法。

绘制线条图

下面是一个简单的绘制线条图的例子，代码如下：

import matplotlib.pyplot as plt
import numpy as np
#定义绘图的数据
myarray=np.array([[1,2,3],[2,3,4],[3,4,5]])
#初始化绘图
plt.plot(myarray)
#设定x轴和y轴
plt.xlabel('x axis')
plt.ylabel('y axis')
#绘图
plt.show()

下面是一个简单的绘制散点图的例子，代码如下：

#定义绘图的数据
myarray1=np.array([1,2,3])
myarray2=np.array([11,21,31])
#初始化绘图
plt.scatter(myarray1,myarray2)
#设定x轴和y轴
plt.xlabel('x axis')
plt.ylabel('y axis')
#绘图
plt.show()

更多类型的图表绘制砬，请参考：http://matplotlib.org/gallery.html。

Pandas速成

Pandas提供了用于机器学习的复杂数据结构：矢量运算方法和数据分析方法。Pandas也提供了多种数据结构。

• Series：以为数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近，其区别：list中的元素可以使不同的数据类型，而array和series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。
• Time-Series：以时间为索引的Series。
• DataFrame：二维表格型数据结构。很多功能与R语言中的data.frame类似。可以将DataFrame理解为Series的容器。
• Panel：三维数组，可以理解为DataFrame的容器。

 Series使用：

import numpy as np
import pandas as pd
myarray=np.array([1,2,3])
index=['a','b','c']
myseries=pd.Series(myarray,index=index)
print(myseries)
print('first element : ')
print(myseries[0])
print('c index value: ')
print(myseries['c'])

a    1
b    2
c    3
dtype: int64
first element : 
1
c index value: 
3
DataFrame是一个可以指定行和列标签的二维数组。数据可以通过指定列名来访问特定的数据。

myarray=np.array([[1,2,3],[2,3,4],[3,4,5]])
rowindex=['row1','row2','row3']
colname=['col1','col2','col3']
mydataframe=pd.DataFrame(data=myarray,index=rowindex,columns=colname)
print(mydataframe)
print('get data of col3:')
print(mydataframe['col3'])

      col1  col2  col3
row1     1     2     3
row2     2     3     4
row3     3     4     5
get data of col3:
row1    3
row2    4
row3    5
Name: col3, dtype: int64
更多Pandas API函数请查阅：http://pandas.pydata.org/pandas-docs/stable。