Python语法速览与机器学习开发环境搭建

Python语法速览与机器学习开发环境搭建 从属于笔者的 程序猿的数据科学与机器学习实战手册 ，如果希望了解更多关于数据科学与机器学习知识体系结构，推荐阅读 2016:我的技术体系结构图:Web/ServerSideApplication/MachineLearning 、 面向程序猿的数据科学与机器学习知识体系及资料合集 。

Python

Python 是一门高阶、动态类型的多范式编程语言。人生苦短，请用Python，大量功能强大的语法糖的同时让很多时候Python代码看上去有点像伪代码。譬如我们用Python实现的简易的快排相较于Java会显得很短小精悍:

def quicksort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) / 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quicksort(left) + middle + quicksort(right)
    
print quicksort([3,6,8,10,1,2,1])
# Prints "[1, 1, 2, 3, 6, 8, 10]"

Python 版本

Python社区存在的最大的问题就是版本分裂，这也是笔者一直觉得有点鸡肋般的感觉，毕竟对于处女座而言实在是难受。目前Python社区中存在两个不同的主要版本：2.7与3.4。Python 3.0引入了很多不向后兼容的变化，因此很多遵循2.7版本的代码并不能适用于3.4版本。我们可以使用 python --version 命令来查看当前使用的版本。

常用习惯

Installation:环境搭建

Conda

笔者推荐使用Anaconda作为环境搭建工具，并且推荐使用Python 3.5版本，可以在 这里 下载。如果是习惯使用Docker的小伙伴可以参考 anaconda-notebook

docker pull rothnic/anaconda-notebook
docker run -p 8888:8888 -i -t rothnic/anaconda-notebook

安装完毕之后可以使用如下命令验证安装是否完毕:

conda --version

安装完毕之后我们就可以创建具体的开发环境了，主要是通过create命令来创建新的独立环境:

conda create --name snowflakes biopython

该命令会创建一个名为snowflakes并且安装了Biopython的环境，如果你需要切换到该开发环境，可以使用activate命令:

• Linux, OS X: source activate snowflakes

• Windows: activate snowflakes

我们也可以在创建环境的时候指明是用python2还是python3:

conda create --name bunnies python=3 astroid babel

环境创建完毕之后，我们可以使用 info 命令查看所有环境:

conda info --envs
conda environments:

     snowflakes          * /home/username/miniconda/envs/snowflakes
     bunnies               /home/username/miniconda/envs/bunnies
     root                  /home/username/miniconda

当我们切换到某个具体的环境后，可以安装依赖包了:

conda list # 列举当前环境中的所有依赖包
conda install nltk # 安装某个新的依赖

Jupyter Notebook

在Conda安装之后，Jupyter Notebook是默认安装好的，直接在工作目录下打开即可:

jupyter notebook

你可以参阅 Running the Notebook 获取更多命令细节。

基础数据类型

和其他主流语言一样，Python为我们提供了包括integer、float、boolean、strings等在内的很多基础类型。

数值类型

x = 3
print type(x) # Prints "<type 'int'>"
print x       # Prints "3"
print x + 1   # Addition; prints "4"
print x - 1   # Subtraction; prints "2"
print x * 2   # Multiplication; prints "6"
print x ** 2  # Exponentiation; prints "9"
x += 1
print x  # Prints "4"
x *= 2
print x  # Prints "8"
y = 2.5
print type(y) # Prints "<type 'float'>"
print y, y + 1, y * 2, y ** 2 # Prints "2.5 3.5 5.0 6.25"

不过需要注意的是，Python并没有 x++ 或者 x-- 这样的自增或者自减操作符。另外，Python内置的也提供了长整型与其他复杂数值类型的整合，可以参考 这里 。

布尔类型

Python提供了常见的逻辑操作符，不过需要注意的是Python中并没有使用 &&、|| 等，而是直接使用了英文单词。

t = True
f = False
print type(t) # Prints "<type 'bool'>"
print t and f # Logical AND; prints "False"
print t or f  # Logical OR; prints "True"
print not t   # Logical NOT; prints "False"
print t != f  # Logical XOR; prints "True"

字符串

Python对于字符串的支持还是很好的，不过需要注意到 utf-8 编码问题。

hello = 'hello'   # String literals can use single quotes
world = "world"   # or double quotes; it does not matter.
print hello       # Prints "hello"
print len(hello)  # String length; prints "5"
hw = hello + ' ' + world  # String concatenation
print hw  # prints "hello world"
hw12 = '%s %s %d' % (hello, world, 12)  # sprintf style string formatting
print hw12  # prints "hello world 12"

Python中的字符串对象还包含了很多有用的方法，譬如:

s = "hello"
print s.capitalize()  # Capitalize a string; prints "Hello"
print s.upper()       # Convert a string to uppercase; prints "HELLO"
print s.rjust(7)      # Right-justify a string, padding with spaces; prints "  hello"
print s.center(7)     # Center a string, padding with spaces; prints " hello "
print s.replace('l', '(ell)')  # Replace all instances of one substring with another;
                               # prints "he(ell)(ell)o"
print '  world '.strip()  # Strip leading and trailing whitespace; prints "world"

可以在 这里 中查看详细的方法列表。

复杂数据类型

列表

Python中的列表等价于数组，不过其能够动态扩展并且能够存放不同类型的数值。

xs = [3, 1, 2]   # Create a list
print xs, xs[2]  # Prints "[3, 1, 2] 2"
print xs[-1]     # Negative indices count from the end of the list; prints "2"
xs[2] = 'foo'    # Lists can contain elements of different types
print xs         # Prints "[3, 1, 'foo']"
xs.append('bar') # Add a new element to the end of the list
print xs         # Prints "[3, 1, 'foo', 'bar']"
x = xs.pop()     # Remove and return the last element of the list
print x, xs      # Prints "bar [3, 1, 'foo']"

同样你可以在 文档 中查看更多的细节。

切片

Python中对于数组的访问也相当人性化，通过简单的操作符即可以完成对于数组中子数组的截取。

nums = range(5)    # range is a built-in function that creates a list of integers
print nums         # Prints "[0, 1, 2, 3, 4]"
print nums[2:4]    # Get a slice from index 2 to 4 (exclusive); prints "[2, 3]"
print nums[2:]     # Get a slice from index 2 to the end; prints "[2, 3, 4]"
print nums[:2]     # Get a slice from the start to index 2 (exclusive); prints "[0, 1]"
print nums[:]      # Get a slice of the whole list; prints ["0, 1, 2, 3, 4]"
print nums[:-1]    # Slice indices can be negative; prints ["0, 1, 2, 3]"
nums[2:4] = [8, 9] # Assign a new sublist to a slice
print nums         # Prints "[0, 1, 8, 9, 4]"

遍历

你可以使用基本的 for 循环来遍历数组中的元素，就像下面介个样纸:

animals = ['cat', 'dog', 'monkey']
for animal in animals:
    print animal
# Prints "cat", "dog", "monkey", each on its own line.

如果你在循环的同时也希望能够获取到当前元素下标，可以使用 enumerate 函数:

animals = ['cat', 'dog', 'monkey']
for idx, animal in enumerate(animals):
    print '#%d: %s' % (idx + 1, animal)
# Prints "#1: cat", "#2: dog", "#3: monkey", each on its own line

变换

在编程中我们经常需要对数组进行变换，比较著名的我们可以使用 map、reduce、filter 这几个函数，而在Python中提供了非常方便的List Comprehension操作符。譬如我们需要对数组中元素进行依次平方操作

nums = [0, 1, 2, 3, 4]
squares = []
for x in nums:
    squares.append(x ** 2)
print squares   # Prints [0, 1, 4, 9, 16]

我们可以简写为如下方式:

nums = [0, 1, 2, 3, 4]
squares = [x ** 2 for x in nums]
print squares   # Prints [0, 1, 4, 9, 16]

List Comprehensions也支持进行条件选择:

nums = [0, 1, 2, 3, 4]
even_squares = [x ** 2 for x in nums if x % 2 == 0]
print even_squares  # Prints "[0, 4, 16]"

字典

Python中的字典类型即类似于Java中的Map或者JavaScript中的Object，也就是所谓的键值对类型，基本的使用方式为:

d = {'cat': 'cute', 'dog': 'furry'}  # Create a new dictionary with some data
print d['cat']       # Get an entry from a dictionary; prints "cute"
print 'cat' in d     # Check if a dictionary has a given key; prints "True"
d['fish'] = 'wet'    # Set an entry in a dictionary
print d['fish']      # Prints "wet"
# print d['monkey']  # KeyError: 'monkey' not a key of d
print d.get('monkey', 'N/A')  # Get an element with a default; prints "N/A"
print d.get('fish', 'N/A')    # Get an element with a default; prints "wet"
del d['fish']        # Remove an element from a dictionary
print d.get('fish', 'N/A') # "fish" is no longer a key; prints "N/A"

更多的语法细节可以参考 这里 。

遍历

对于字典的遍历也非常简单:

d = {'person': 2, 'cat': 4, 'spider': 8}
for animal in d:
    legs = d[animal]
    print 'A %s has %d legs' % (animal, legs)
# Prints "A person has 2 legs", "A spider has 8 legs", "A cat has 4 legs"

如果你希望同时访问键和其对应的值，可以使用 iteritems 方法:

d = {'person': 2, 'cat': 4, 'spider': 8}
for animal, legs in d.iteritems():
    print 'A %s has %d legs' % (animal, legs)
# Prints "A person has 2 legs", "A spider has 8 legs", "A cat has 4 legs"

变换

nums = [0, 1, 2, 3, 4]
even_num_to_square = {x: x ** 2 for x in nums if x % 2 == 0}
print even_num_to_square  # Prints "{0: 0, 2: 4, 4: 16}"

Set

Set是一系列无序且唯一的元素的集合：

animals = {'cat', 'dog'}
print 'cat' in animals   # Check if an element is in a set; prints "True"
print 'fish' in animals  # prints "False"
animals.add('fish')      # Add an element to a set
print 'fish' in animals  # Prints "True"
print len(animals)       # Number of elements in a set; prints "3"
animals.add('cat')       # Adding an element that is already in the set does nothing
print len(animals)       # Prints "3"
animals.remove('cat')    # Remove an element from a set
print len(animals)       # Prints "2"

更多语法细节可以参考 这里 。

遍历

集合遍历的语法和数组遍历很类似，不过因为集合本身是无序的，因此你不能够依赖于遍历的顺序来预测集合中元素的顺序:

animals = {'cat', 'dog', 'fish'}
for idx, animal in enumerate(animals):
    print '#%d: %s' % (idx + 1, animal)
# Prints "#1: fish", "#2: dog", "#3: cat"

变换

from math import sqrt
nums = {int(sqrt(x)) for x in range(30)}
print nums  # Prints "set([0, 1, 2, 3, 4, 5])"

Tuples

Python中的Tuple指不可变的有序元素集合，Tuple很类似于列表，不过区别在于Tuple可以做字典中的键类型，而列表则不可以。

d = {(x, x + 1): x for x in range(10)}  # Create a dictionary with tuple keys
t = (5, 6)       # Create a tuple
print type(t)    # Prints "<type 'tuple'>"
print d[t]       # Prints "5"
print d[(1, 2)]  # Prints "1"

Function:函数

Python中的函数使用 def 关键字进行定义，譬如:

def sign(x):
    if x > 0:
        return 'positive'
    elif x < 0:
        return 'negative'
    else:
        return 'zero'

for x in [-1, 0, 1]:
    print sign(x)
# Prints "negative", "zero", "positive"

同时，Python中的函数还支持可选参数:

def hello(name, loud=False):
    if loud:
        print 'HELLO, %s!' % name.upper()
    else:
        print 'Hello, %s' % name

hello('Bob') # Prints "Hello, Bob"
hello('Fred', loud=True)  # Prints "HELLO, FRED!"

更多的语法细节可以参考 这里 。

Classes:类

Python中对于类的定义也很直接:

class Greeter(object):
    
    # Constructor
    def __init__(self, name):
        self.name = name  # Create an instance variable
        
    # Instance method
    def greet(self, loud=False):
        if loud:
            print 'HELLO, %s!' % self.name.upper()
        else:
            print 'Hello, %s' % self.name
        
g = Greeter('Fred')  # Construct an instance of the Greeter class
g.greet()            # Call an instance method; prints "Hello, Fred"
g.greet(loud=True)   # Call an instance method; prints "HELLO, FRED!"

可以参考 这里 获取更多信息。

延伸阅读

• Python Numpy Tutorial