机器学习之Python基础（一）

标题

Python语言特点

基本数据类型

循环

文件IO

函数

1

1

1

Python是一种面向对象的解释型计算机程序设计语言。它有着代码简洁、可读性强的特点。代码简洁是因为它把许多的复杂的操作封装起来，将C语言中麻烦的指针和内存管理对开发者隐藏起来，使得在开发过程中，无须在意这部分的细节。另外Python这们语言强制用户用缩进进行排版，若不好好排版，则代码编译无法通过，或者运行过程会出现错误。

Python程序的执行过程和C语言不一样，使用Python写的程序在运行过程中Python解释器会把源代码转换为字节码，再由Python虚拟机来执行这些字节码。而C程序则是计算机直接执行由C源代码编译的机器指令。

在使用Python的时候需要留意你所使用的Python版本，因为Python2.X和Python3.X有较大的改动。最主要的是Python3默认编码为utf-8，并且Python2中的print语句变成了print函数。其他变动在此不一一说明。

有关Python的特点只需了解就好，这些在代码实战会体会到。

1

2

1

基本数据类型

Python是一门弱类型语言，变量使用前无需声明，变量名可以看作一种引用。Python的基本数据类型分为数字、字符串、列表、元组、集合、字典。

其中数字包括整型、浮点型、布尔型、以及复数。Python的整型数可以有无限精度，浮点数默认为double类型保留16位小数，如果你需要更高的精度，则可以使用decimal模块。在python中，布尔型为数字的一种，True和 1等价，False和0等价，（你会发现True == 1这语句为真，且True+True的值等于2），复数的实部和虚部均为浮点数。

列表、元组、字典、集合、字符串是Python中经常会使用到的数据结构，这些数据结构的方法都要能熟练使用。

列表、元组、字符串是非常相似的，他们都是顺序存储结构，元素之间有固定的顺序，并且它们都可以用+和相同类型的数据类型拼接起来。他们的差别是:列表内的元素可以修改，元组和字符串是不可变数据类型，即元祖和字符串的元素不能修改（如果把每一个字符当成字符串的元素的话）。

其中元组和字符串的不可改变也不一样，如果对想修改字符串，等价新建新的字符串（字符串的是完全不能修改）。

而元组是不能修改元组内对元素的引用。当你的元组里嵌套了一个列表时，你发现列表内的元素可以修改，但是你不能把列表这个元素换成其他元素。因为元祖该位置保存着该列表的引用，该引用不能修改。修改列表内的元素并不会改变元组对该列表的引用。

除此以为，列表、元组、字符串都能用索引访问元素，可以使用切片操作，可以用for in循环按顺序迭代元素。其中元祖的性能比列表的性能稍微高一点点，这在数据量大的时候才比较明显，但在机器学习中通常都是使用numpy的数组。

字符串的使用自不用说，列表往往使用来处理数据时使用(处理完直接append到列表里)，元祖就比较少用到。有关字符串、列表的操作一定要熟练掌握。

字典记录了键值的映射关系，可以迭代，可以修改，但是字典没办法保证安装你添加顺序进行迭代。此外使用字典会比列表更占用内存，但字典的访问更快。

在使用字典的时候还有许多技巧，当你想判断某个键是否在字典里的时候，在数据量巨大的时候，用in操作会很慢，而如果你直接访问用键来访问，并将此语句放在try/except内，速度会明显提高(in操作相当于遍历查找，如果字典无此键，这需要遍历整个字典；但如果直接访问，就能利用哈希表的优点，迅速查找，如果找不到也会因为抛出异常而进入except语句块)。

集合也是一种无序无重复元素的数据结构，所以我们可以把列表转化为集合达到数据去重的效果,这是制作词袋经常使用的技巧。同时也要注意集合内存放的都是不可变对象。

有些时候我们还需要对数据进行拷贝操作，这时我们要注意是否需要深拷贝的情况。当列表、字典存在嵌套的时候，如果用浅拷贝或者切片。则会导致嵌套里面的列表或字典仍为同一个对象，一处修改导致同时修改的情况。这是应该使用copy模块的deepcopy方法来进行拷贝。

机器学习的操作对象是数据，所以以上的数据类型必须要能够熟练的运用。

1

3

1

循环

Python的循环简单易上手，while循环和C语言一样，但for in循环就很像java的foreach循环(javaforeach循环不能修改迭代元素，而Python的for in可以)。for in循环在迭代列表、元组等可迭代类型非常方便。例：

>>>abc = ['a', 'b', 'c']

>>> for item in abc:

print(item)

也可以用range用索引迭代:

>>> for index in range(len(abc)):

print abc([index])

1

4

1

文件IO

在处理数据的时候，我们往往需要从文件中读取数据。所以文件IO操作必不可少的。

Python的文件操作很简单，只需用open打开文件

file = open(path,pattern)

由上可知，上面文件IO的模式和C的差不多，除此之外，有些时候还要设置编码等等。

read是一次性读完文件，但是当读取内容大于内存大小不能使用read。

readline和readlines都是逐行读取，但是readlines是一次性读取之后，每一行转为列表的一个元素。readlines比readline要快。

当使用write写入时，若写入的内容大于缓冲区，则会直接写入文件(一般会先写入缓存区)。writeline则是可以把列表当做参数写入。一般写入操作之后都应调用flush方法，把缓存区的内容写到文件去。

在完成文件IO之后要关闭文件，否则就会占用系统资源，可以用try/finally确保文件关闭，用with语句可以更方便些(with语句结束自动关闭文件)。

1

4

1

函数

Python中用def关键字来定义函数，格式为

def 函数名(参数)：

参数

接下来将详细将函数的参数类型，函数的参数有4种分别是：必选参数、默认参数、可变参数和关键字参数

必选参数：必选参数需要按照函数声明的顺序传入，和C语言的函数参数一样

默认参数：如果该参数没有传入，则传入默认取值

可变关键字：可变关键字就是传入的参数个数是可变的。

也可以传入一个列表或元组，在参数前加上*

关键字参数：关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个字典

也可以传入一个dict，在参数前加上**

在Python中定义函数，可以用必选参数、默认参数、可变参数和关键字参数，这4种参数都可以一起使用，或者只用其中某些，但是请注意，参数定义的顺序必须是：必选参数、默认参数、可变参数和关键字参数。

返回值

函数可以有0个或多个返回值，直接return没有返回值实际上是返回了None，返回多个值时，上还是返回一个元组，元组可以对多个变量对应赋值。(其实就是序列解包)

1

END

1

以上是本期的所有内容，Python是我们用来实现机器学习具体模型的工具，俗话说磨刀不误砍材工，熟练掌握Python是非常有必要的，希望大家在看完这期之后也多多去回顾Python的基础知识。