【机器学习】第二章 Python入门

随着人工智能的发展，很多人想学习机器学习，那么究竟选择什么语言呢？在信息发达、语言众多的情况下，我们为什么选择Python？根据数据分析，机器学习中使用得最多的语言就是Python。Python一般来说 没有C语言运行速度快，又没有R语言开发速度快，为什么还能占据使用量的榜首呢？接下来让我们了解一下Python语言。

2.1 Python语言介绍

Python作为一门开源语言，使用广泛，入门非常快，语法简单、易读，是一门解释性强、交互式、面向对象、跨平台的语言。有相关数据显示，Python语言的使用率占据机器学习使用语言排行榜的榜首。从Python自身来说，其实这可以归因于Python语法的简单。

Python还被称为“胶水语言”，它不仅可以使用Python语言编程，还可以使用C语言、C++编程，它把耗时的代码交给C/C++等高效率的语言进行实现，然后通过“黏合”来使用代码，这样就使Python运行速度得到优化。Python还具有列表、元组、字典等核心数据类型，以及无须进一步编程就能直接使用集合、队列等数据类型。

选择Python还有一个重要的原因，就是Python拥有众多第三方库。由于Python可以应用到多个领域，功能比较丰富，可扩展性强，因此基于Python生成了非常多的第三方库。Python本身不包含这些库，使用它们时需要先安装，然后才能导入。大量的第三方库可以被运用到机器学习中，例如图形库、数学函数库、机器学习算法库等。

2.2 Python 平台搭建

Python适用于多个平台，并且拥有多个版本，用户可以通过Python官方网站根据自己的平台选择合适的版本下载。本书中的代码运行和安装都基于Windows平台，Python在其他平台上的安装方法和Python其他版本的安装方法都大同小异。用户可以通过Python官方网站下载安装包后进行安装，然后勾选“Add Python to PATH”选项，就可以省去手动添加环境变量的步骤。除了安装位置，其余设置保持默认值即可。

安装完成后，打开命令提示符窗口，输入Python -V，如果出现以下界面则表示安装成功：

Python安装完成后，为了方便应用，还可以选择并安装一款编译器。本书选择了JetBrains PyCharm，这是一款优秀的编译器，可跨平台使用，带有提高效率的开发工具，例如调试、语法高亮、代码跳转等。通过其官方网站下载安装包并安装后打开，如图2-1所示，单击“Create NewProject”按钮就可以开始创建项目了。

项目创建完成后我们就可以编写Python代码了，但这只是第一步，还需要安装第三方库。pip是Python自带的一个官方推荐的包管理工具，通过它可以安装所需的第三方库。在安装第三方库之前，需要先去其官方网站下载，然后进行pip安装。本书用到的第三方库有sklearn、mglearn、NumPy、SciPy、pandas、Matplotlib、Graphviz 等。

首先打开命令提示符窗口，然后利用pipinstallXX×（×XX为相应的库名）命令逐步安装sklearn、mglearn等。例如:

出现 Successfully installed XXX字样则表示安装成功。安装完成后，输入 pip list 命令可以查看当前已经安装的库、如图2-2所示。在编译器中选择File→Settings一Project:untitled一Project Interpreter命令也能看到，如图2-3所示。

完成上述所有库操作后，在编译器中输入下列语句不报错，则代表这些库能正常使用。

2.3 Python 的基本概念

Python语言相对于其他语言在很多地方都进行了简化，例如删除了每个语句后的“;”和常用的“{}”，在语句中一般通过缩进来实现它们的功能。下面介绍常用的Python的基本概念。

2.3.1 基本数据类型

我们先从Python的基本数据类型说起。Python和其他语言一样包含数值型、字符串类型、布尔型和空值，但Python和其他语言不同的是，在Python中定义变量是不需要指定类型的。

1.数值型 数值型的代码示例如下：

2.字符串类型 字符串类型的代码示例如下：

在整数类型和字符串类型的匹配中，用到了一个格式化字符串的函数format)，它不但可以对字符串进行格式化，还能对数值进行格式化。在对字符串的处理中运用了切片，例如输出结果中str[0]对应第一个字符t，str[-1]对应最后一个字符m。

Python有两种索引方式，一种是正索引，另一种是负索引。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。如表2-1所示。

在进行切片操作时，一般使用如下语法：

start_index：开始索引（包括自身）。

end_index：结束索引（不包括自身）

step：步数，其值的正负决定了切片方向。

具体例子如下代码所示：

如果选择开始索引对应的字符在结束索引对应的字符前面，且对字符串进行反方向切片，则代码会产生矛盾，不提供输出结果，代码如下：

3.布尔型 布尔型的代码示例如下：

4.空值 空值的代码示例如下：

2.3.2 基本运算

1.运算符 Python保留了其他语言的基本运算规则，又改变了某些运算符的规则，例如1/2，在其他语言中,两个整数相除得到的还是一个整数,但是Python修改了规则,两个整数相除得到的是现实数学运算中的结果，使用运算符“/”的运算才是我们熟知的其他语言中整数相除的运算。

Python还增加了“ * *”运算符，例如 2**31，表示2的31次方。Python能存储较大的数值，基本不会出现越界的情况。代码如下：

2.多变量赋值 Python还简化了多变量赋值。在其他语言中，如果要实现多变量赋值，必须手动定义中间变量，而Python通过后台自动定义中间变量，简化了手动操作的步骤。代码如下：

2.3.3 控制语句

1.条件控制语句 在下面的代码中，inputO用于接收输入，不管输入是何种类型的数据，都会被转换成字符串类型的数据。因此，在input(外面添加intO进行显式转换，将数据转换成整数类型的数据。在条件控制语句中，注意在每个条件语句后都有一个“："；并且elif代替了其他语言中的elseif；在条件语句中，与、或、非分别对应“and”“or”“not”。代码如下：

2.循环语句 通过循环语句，可以看到range()函数仍然遵循左闭右开的原则。代码如下：

3.条件循环语句 在Python中是没有自增或者自减运算符的，自增和自减可以通过n=n+1和n=n-1来实现。这里赋值号前面的n相当于一个新的变量，而不是赋值号后面的 n。在Python中，也不支持do-while语句，如果需要用到它，可以通过条件循环语句while(True)和break实现。代码如下：

2.3.4 复杂数据类型

列表（list)、元组（tuple)字典（dict)、集合（set）是Python中常用的复杂数据类型

1.列表 列表是可变的数据类型，被创建后可以添加、删除或者搜索数据，在Python中用口]表示。代码如下：

2.元组 元组和列表相似，但元组不可变，即不能添加或删除元组内的信息。但元组可以嵌套列表或元组。它在Python中用()表示。代码如下：

虽然元组不可变，但是元组内嵌套的列表是可变的。

3.字典 字典是可变的，其元素类型包括键和值，键和值用“：”隔开，每个元素用“”隔开。且字典中的键是唯一的。它在Python中用()表示。代码如下：

4.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。它在Python中用set()或{}表示，set()中可以是列表、元组、字符串等。代码如下：

2.3.5 函数

函数在任何时候都非常重要。自己建立函数解决机器学习问题，是一件不容易的事。Python中函数的语法：利用def作为关键字开头，def后面跟函数名、参数等，通过缩进表示函数内的内容。代码如下：

2.4 Python 库的使用

1. scikit-learn scikit-learn被简称为sklearn，是机器学习相关较重要的Python库之一，其中包括大量的机器学习算法，还包括大量的小型数据集，可节省为了获取数据集应花费的时间，使新手很容易上手，因而成为广泛应用的、重要的机器学习库。sklearn还包括许多功能，例如分类、回归、聚类、降维、模型选择和数据的预处理等。

2. mglearn 机器学习主要运用到 mglearn库的两个方面：一是利用Matplotlib作图时，mglearn库中有配置好的配色方案；二是mglearm库中有加载和获取常用数据集、人工生成数据集的模板1oad，可以引用sklearn.datasets模块。

3. NumPy NumPy支持大量高级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，然后将列表转换成相对应的数组进行运算。而且NumPy具有矢量运算能力，运算快速、节省空间。此外，NumPy针对数组运算提供大量的数学函数库。NumPy库的简单应用如下：

先创建一个嵌套的列表，接下来利用NumPy库进行处理。代码如下：

可以看到通过NumPy库的处理，列表此时已经转换成3×3的矩阵。接下来分别对这两个数据进行矢量运算，看会出现什么结果。代码如下：

可以看到经NumPy库处理的数据进行了矢量运算，而原始数据只对自己进行了复制。在一维数据中可以通过切片访问数据，在处理过的矩阵中也可以通过切片访问数据。代码如下:

通过切片可以访问某行、某列或者某一个数据。与一维数据相比，二维矩阵中的数据通过在行、列的位置之间加个“，”即可访问。

4.SciPy SciPy建立在NumPy的基础之上，是用于数学、科学、工程领域的第三方库。它主要用于有效计算NumPy数组，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问题等。SciPy库的简单应用如下。SciPy主要结合NumPy数组用于处理稀疏矩阵，记录NumPy数组中只存储非零数据的位置。例如、首先创建一个稀疏矩阵。代码如下：

接下来利用SciPy库的稀疏矩阵sparse来处理：

通过csr_matrix(函数的处理，记录了稀疏矩阵中所有非零数据的位置。

5.pandas pandas也是基于NumPy创建的为了解决数据分析问题的一种数据处理工具，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以及大量能快速、便捷地处理数据的函数和方法。pandas库的简单应用如下。

pandas常用的数据类型有Series、DataFrame、Panel等，它们分别用来处理一维、二维和三维数据，其中应用得最多的是DataFrame，它能将NumPy数组或者字典转换成类似于表格的类型，有行标签和列标签。例如：

6.Matplotlib Matplotlib是一款绘图工具，用于绘制直方图、线形图、散点图等，类似于MATLAB，有MATLAB基础的读者能够快速上手Matplotlib。Matplotlib库的简单应用如下。Matplotlib分别利用histO、plot()、scatter()绘制直方图、线形图、散点图，下面通过简单的例子逐一绘制。

（1）绘制直方图的代码如下：

（2）通过NumPy库的随机函数生成符合正态分布的200个数据，然后通过Matplotlib库中的pyplot绘制线形图，代码如下：

(3）横轴上通过np.linspace在-10~10范围内生成数列，纵轴上通过绝对值函数abs()生成因变量。 绘制散点图的代码如下：

 

输出结果如图2-6所示，代码通过随机函数生成20个随机点。

7.Graphviz Graphviz和Matplotib都是图形绘制工具。在做数据可视化的时候可以使用Graphviz 库，它往往用于生成决策树、流程图。

2.5小结

本章介绍了为什么选择Python语言、Python平台的搭建，以及Python语言的基本概念，还介绍了第三方库的各种功能和使用方法。本章要求掌握Python的基本语法规则，了解各种库的基本功能。通过对前文内容的学习，我们迈出了掌握机器学习的第一步，后文将介绍机器学习的算法。

习题2

1. Python去除了 do-while 循环，现在需要让循环语句中的循环体至少循环一次，应该如何设计?

2. 现有一个列表L=[b','c,'d,'c',"b,'a,'a],不使用列表自带的删除功能，怎么才能去除其中的重复部分？

3. 程序设计:通过Python输出九九乘法表。

4. 程序设计：一个球从50m高度自由落下，每次落地后反弹回原高度的一半，再落下，求它在第5次落地时，共经过多少m？第5次反弹时高度为多少？通过Python实现。

5. 通过Python的第三方库绘制任意直方图、线形图、散点图。