python 语言与numpy库

机器学习算法day01_python快速上手
课程大纲
Python快速上手 Python简介
Python集成开发环境
Python基本语法
Python的变量和集合
Python流程控制语法
Python函数
Python模块
Numpy矩阵运算包 Numpy简介
Numpy中的多维数组ndarray
Ndarray常用方法
数组的基本运算
数组的形状操作
数据挖掘与机器学习导论 数据挖掘概念
数据挖掘与机器学习的关系
机器学习简介
机器学习的应用步骤

课程目标：
1、在已有JAVA语言的基础上迅速实现python上手开发
2、掌握Numpy矩阵算法包的核心功能
3、了解数据挖掘与机器学习算法的概念及其关系
 
1 Python快速上手
1.1.Python简介
Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。
Python 的设计具有很强的可读性，相比其他语言经常使用英文关键字，其他语言的一些标点符号，它具有比其他语言更有特色语法结构。
 Python是一种解释型语言： 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
 Python是交互式语言： 这意味着，您可以在一个Python提示符，直接互动执行写你的程序。
 Python是面向对象语言: 这意味着Python支持面向对象的风格或代码封装在对象的编程技术。
 Python是初学者的语言：Python 对初级程序员而言，是一种伟大的语言，它支持广泛的应用程序开发，从简单的文字处理到WWW浏览器再到游戏

12.Python集成开发环境
1.2.1 Python安装
Python已经被移植在许多平台上（经过改动使它能够工作在不同平台上）。
可以直接下载相应平台的二进制代码，然后安装Python，或者使用C编译器手动编译源代码。编译的源代码，功能上有更多的选择性，为python安装提供了更多的灵活性。

Python版本的选择：
有两大系列 python 2.x
Python 3.x

以下为不同平台上安装Python的方法：
1、Unix & Linux 平台安装 Python:
打开WEB浏览器访问http://www.python.org/download/
选择适用于Unix/Linux的源码压缩包。
下载及解压压缩包。
如果你需要自定义一些选项修改Modules/Setup
执行 ./configure 脚本
make
make install
执行以上操作后，Python会安装在 /usr/local/bin目录中，Python库安装在/usr/local/lib/pythonXX，XX为你使用的Python的版本号。

2、Window 平台安装 Python:
打开WEB浏览器访问http://www.python.org/download/
在下载列表中选择Window平台安装包，包格式为：python-XYZ.msi 文件 ， XYZ 为你要安装的版本号。
下载后，双击下载包，进入Python安装向导，安装非常简单，你只需要使用默认的设置一直点击"下一步"直到安装完成即可。

3、环境变量配置
程序和可执行文件可以在许多目录，而这些路径很可能不在操作系统提供可执行文件的搜索路径中。
path(路径)存储在环境变量中，这是由操作系统维护的一个命名的字符串。这些变量包含可用的命令行解释器和其他程序的信息。
Unix或Windows中路径变量为PATH（UNIX区分大小写，Windows不区分大小写）。
vi /etc/profile
export PATH="$PATH:/usr/local/bin/python"

在 Windows 设置环境变量
在环境变量中添加Python目录：
在命令提示框中(cmd) : 输入
path %path%;C:\Python , 按下"Enter"。
注意: C:\Python 是Python的安装目录。

4、运行Python
有三种方式可以运行Python：
(一) 交互式解释器：
你可以通过命令行窗口进入python并开在交互式解释器中开始编写Python代码。
你可以在Unix，DOS或任何其他提供了命令行或者shell的系统进行python编码工作。
$python # Unix/Linux
或者
C:>python # Windows/DOS
以下为Python命令行参数：
选项 描述
-d 在解析时显示调试信息
-O 生成优化代码 ( .pyo 文件 )
-S 启动时不引入查找Python路径的位置
-v 输出Python版本号
-X 从 1.6版本之后基于内建的异常（仅仅用于字符串）已过时。
-c cmd 执行 Python 脚本，并将运行结果作为 cmd 字符串。
file 在给定的python文件执行python脚本。

(二) 命令行脚本
在你的应用程序中通过引入解释器可以在命令行中执行Python脚本，如下所示：
#在 Unix/Linux下
$python script.py

在Windows下

C:>python script.py
注意：在执行脚本时，请检查脚本是否有可执行权限。

(三) 集成开发环境（IDE：Integrated Development Environment）
您可以使用图形用户界面（GUI）环境来编写及运行Python代码。以下推荐各个平台上使用的IDE：
IDLE 是 Linux上最早的 Python IDE。
Pycharm 是jetbrain出品的Python 集成开发环境

1.2.2 python依赖库管理工具pip
pip 是一个安装和管理 Python 包的工具，python安装包的工具有easy_install, setuptools, pip，distribute。使用这些工具都能下载并安装python依赖包

1、安装pip
安装和升级之前，先下载get-pip.py
然后使用下面的命令：
python get-pip.py
不过注意一下，linux或osX下，需要权限，使用下面的命令，输入密码后即可。
sudo python get-pip.py
windows下需要管理员权限启动终端。

2、安装setuptools
如果你还没有安装了setuptools，get-pip.py 会帮你安装。
如果你已经安装了setuptools，可以运行下面的命令进行升级。
pip install -U setuptools
windows***意将pip路劲加到系统的path中。

3、升级pip
Linux or OS X系统，运行下面的命令:
pip install -U pip
windows系统运行下面的命令：
python -m pip install -U pip

4、安装依赖包
使用下面的命令来安装包
pip install SomePackage # 默认下载安装最新版本
pip install SomePackage1.0.4 # 指定安装版本
pip install ‘SomePackage>=1.0.4’ # 指定最低版本
要看更多地例子，可以看这里pip install
例如要安装web开发框架库 Django，用下面的一条命令即可，方便快捷：
pip install Django1.7

1.2.3 python环境一键安装
在用python做科学计算的场景中，需要安装的依赖库非常多且非常麻烦，建议用python科学计算集成环境 anaconda

一句话点评：省事！！！给力！！！
请see官方介绍：
Anaconda is a completely free Python distribution (including for commercial use and redistribution). It includes more than 400 of the most popular Python packages for science, math, engineering, and data analysis.
官网下载地址
https://www.continuum.io/downloads

WINDOW版本：

LINUX版本：

MAC OS版本：

1.3.Python基本语法
1.3.1 行和缩进
Python中，不使用括号来表示代码的类和函数定义块或流程控制。
代码块是由行缩进，缩进位的数目是可变的，但是在块中的所有语句必须缩进相同的量。
如下所示：
if True:
print “True”
else:
print “False”
然而，在本实施例中的第二块将产生一个错误：
if True:
print “Answer”
print “True”
else:
print “Answer”
print “False”
1.3.2 Python引号
Python接受单引号（’），双引号（“）和三（’'或”“”）引用，以表示字符串常量，只要是同一类型的引号开始和结束的字符串。

三重引号可以用于跨越多个行的字符串。例如，所有下列是合法的：
word = ‘word’
sentence = “This is a sentence.”
paragraph = “”“This is a paragraph. It is
made up of multiple lines and sentences.”""
1.3.3 Python注释
“＃”号之后字符和到物理行是注释的一部分，Python解释器会忽略它们。
#!/usr/bin/python

First comment

print “Hello, Python!”; # second comment
这将产生以下结果：

Hello, Python!
注释可能会在声明中表达或同一行之后：
name = “Madisetti” # This is again comment
你可以使用多行注释如下：

This is a comment.

This is a comment, too.

This is a comment, too.

I said that already.

1.3.4 分号的使用
python中一个语句的结束不需要使用分号
如果想在一行中输入多个语句，可使用分号：
import sys; x = ‘foo’; sys.stdout.write(x+"""
“”")

1.4.Python的变量和集合
Python有五个标准的数据类型：
a) 数字
b) 字符串
c) 列表
d) 元组
e) 字典
f) set

python中定义变量时不需要显示指定变量类型，以下为python中变量使用的典型语法：

1.4.1变量定义和赋值
#基本使用
counter = 100 # 整型
miles = 1000.0 # 浮点
name = “John” # 字符串

print counter
print miles
print name

#多重赋值
a = b = c = 1
d, e, f = 1, 2, “john”

1.4.2字符串的使用
str = ‘Hello World!’ #字符串在python中本质上是一个字符序列Seq

print str # 打印整个字符串
print str[0] # 打印字符串第一个字母
print str[2:5] # 打印第3到第5个字母
print str[2:] # 打印从第3个字母到末尾
print str * 2 # 字符串重复2次
print str + “TEST” # 字符串拼接

1.4.3列表的使用
list = [ ‘abcd’, 786 , 2.23, ‘john’, 70.2 ]
tinylist = [123, ‘john’]

print list # 打印整个列表
print list[0] # 打印第一个元素
print list[1:3] # 打印第二和第三个元素
print list[2:] # 打印第三个元素到末尾
print tinylist * 2 # 打印2次
print list + tinylist # 拼接两个list

#修改list中的元素
list[0]=”python”
print(list)

将输出以下结果：
[‘abcd’, 786, 2.23, ‘john’, 70.200000000000003]
abcd
[786, 2.23]
[2.23, ‘john’, 70.200000000000003]
[123, ‘john’, 123, ‘john’]
[‘abcd’, 786, 2.23, ‘john’, 70.200000000000003, 123, ‘john’]

1.4.4元组使用
元组是类似于列表中的序列数据类型，一个元组由数个逗号分隔的值组成。
列表和元组之间的主要区别是：列表用方括号[]，列表的长度和元素值是可以改变的
而元组用圆括号()，不能被更新。
元组可以被认为是只读列表。
tuple = ( ‘abcd’, 786 , 2.23, ‘john’, 70.2)
tinytuple = (123, ‘john’)

print tuple # 打印整个元组
print tuple[0] # 打印第一个元素
print tuple[1:3] # 打印第2、3两个元素
print tuple[2:] #
print tinytuple * 2 # 重复2遍
print tuple + tinytuple # 拼接

这将产生以下结果：
(‘abcd’, 786, 2.23, ‘john’, 70.200000000000003)
abcd
(786, 2.23)
(2.23, ‘john’, 70.200000000000003)
(123, ‘john’, 123, ‘john’)
(‘abcd’, 786, 2.23, ‘john’, 70.200000000000003, 123, ‘john’)

1.4.5字典
Python字典是一种哈希表型。由“键-值”对组成。
键可以是任何Python类型，但通常是数字或字符串。
值可以是任意Python的对象。
字典是由花括号括号{}，可分配值，并用方括号[]访问。例如：
dict = {}
dict[‘one’] = “This is one”
dict[2] = “This is two”

tinydict = {‘name’: ‘john’,‘code’:6734, ‘dept’: ‘sales’}

print dict[‘one’] # Prints value for ‘one’ key
print dict[2] # Prints value for 2 key
print tinydict # Prints complete dictionary
print tinydict.keys() # Prints all the keys
print tinydict.values() # Prints all the values

这将产生以下结果：
This is one
This is two
{‘dept’: ‘sales’, ‘code’: 6734, ‘name’: ‘john’}
[‘dept’, ‘code’, ‘name’]
[‘sales’, 6734, ‘john’]

1.4.6 set
定义一个set：
a={1,2,3,4,5}
print a
a.remove(3)
a.add(6)
a.union(b)

1.4.7数据类型转换
有时候，可能需要执行的内置类型之间的转换。
类型之间的转换，只需使用类名作为函数。
int(x [,base]) 将x转换为整数。基数指定为base（进制）
long(x [,base] ) 将x转换为一个长整数。基数指定为base，
float(x) 将x转换到一个浮点数。
complex(real [,imag]) 创建一个复数。
str(x) 转换对象x为字符串表示形式。
eval(str) 计算一个表达式字符串，并返回一个对象。
tuple(s) 把s（序列）转换为一个元组。
list(s) 把s（序列）转换为一个列表。
set(s) 把s（序列）转换为一个set集合。
dict(d) 转成字典,d必须是（键，值）元组序列。

例如：
a=int(‘A’,16)
print(a)
结果为: 10

a=tuple(range(1,10,2))
print(a)

b=tuple(“hello”)
print b
c=complex(1,2)
print c

x=1
e=eval(‘x+1’)
print e

f=dict([(1,2),(3,4),(‘a’,100)])
print f

结果为：
(1, 3, 5, 7, 9)
(‘h’, ‘e’, ‘l’, ‘l’, ‘o’)
(1+2j)
2
{‘a’: 100, 1: 2, 3: 4}
1.5.Python流程控制语法
1.5.1 if语句
var1 = 100
if var1:
print “1 - Got a true expression value”
print var1

var2 = 0
if var2:
print “2 - Got a true expression value”
print var2
print “Good bye!”
#if的条件可以是数字或字符串或者布尔值True和False（布尔表达式）
#如果是数字，则只要不等于0，就为true
#如果是字符串，则只要不是空串，就为true

if else
var = 100
if var == 200:
print “1 - Got a true expression value”
print var
elif var == 150:
print “2 - Got a true expression value”
print var
elif var == 100:
print “3 - Got a true expression value”
print var
else:
print “4 - Got a false expression value”
print var

print “Good bye!”

嵌套if else
var = 100
if var < 200:
print “Expression value is less than 200”
if var == 150:
print “Which is 150”
elif var == 100:
print “Which is 100”
elif var == 50:
print “Which is 50”
elif var < 50:
print “Expression value is less than 50”
else:
print “Could not find true expression”

print “Good bye!”

1.5.2 while循环
count = 0
while count < 5:
print count, " is less than 5"
count = count + 1
else:
print count, " is not less than 5"

1.5.3 for循环

求素数

for num in range(10,20):
for i in range(2,num):
if num%i == 0:
j=num/i
print ‘%d equals %d * %d’ % (num,i,j)
break
else:
print num, ‘is a prime number’

#遍历集合
r=range(10,20)
r={1,2,3,4,5} #set类型
r=[“aaa”,3,“c”]
print®
for num in r:
print(num)

r={“a”:9,“b”:10}
print®
for num in r.values():
print(num)

当执行上面的代码，产生以下结果：
10 equals 2 * 5
11 is a prime number
12 equals 2 * 6
13 is a prime number
14 equals 2 * 7
15 equals 3 * 5
16 equals 2 * 8
17 is a prime number
18 equals 2 * 9
19 is a prime number

1.6.Python函数
1.6.1 基本形式
#定义函数
def changeme( mylist ):
“This changes a passed list into this function”
mylist.append([1,2,3,4]);
print "Values inside the function: ", mylist
return (mylist,“haha”)

调用函数

mylist = [10,20,30];
changeme( mylist );
print "Values outside the function: ", mylist

python的函数调用是引用传递，这将产生以下结果：
Values inside the function: [10, 20, 30, [1, 2, 3, 4]]
Values outside the function: [10, 20, 30, [1, 2, 3, 4]]

默认参数和可变参数

默认参数

#有默认值的参数后面不能再跟无默认值的参数

def printinfo( name, age = 35 ):
“This prints a passed info into this function”
print "Name: ", name;
print "Age ", age;
return;
#调用
#如果调换了参数的顺序，则必须把参数名都带上
printinfo( age=50, name=“miki” );
printinfo( name=“miki” );

#可变参数
def printinfo( arg1, *vartuple ):
“This prints a variable passed arguments”
print "Output is: "
print arg1
for var in vartuple:
print var
return;

调用

printinfo( 10 );
printinfo( 70, 60, 50 );

1.6.2 匿名函数
 可以使用lambda关键字来创建小的匿名函数。这些函数被称为匿名，因为它们不是以标准方式通过使用def关键字声明。
 Lambda形式可以采取任何数量的参数，但在表现形式上只返回一个值。它们不能包含命令或多个表达式。
 匿名函数不能直接调用打印，因为需要lambda表达式。
 lambda函数都有自己的命名空间，并且不能访问变量高于在其参数列表和那些在全局命名空间的变量。

示例：

定义

sum = lambda arg1, arg2: arg1 + arg2 #lambda表达式

调用

print "Value of total : ", sum( 10, 20 )
print "Value of total : ", sum( 20, 20 )

##返回多个值
tup=lambda x,y:(x+1,y+1)
c=tup(2,3)
print c[0],c[1]
(a,b)=tup(2,3)

print a,b
print c[0],c[1]

利用lambda可以实现类似于scala中的高阶函数效果：
#!/usr/bin/python

-- coding: UTF-8 --

def outfunc(func,x,y):
c=func(x,y)
print©

outfunc(lambda x,y:x+y,1,2)

1.7.Python模块
简单地说，一个模块是由Python代码的文件。一个模块可以定义函数，类和变量。模块还可以包括可运行的代码。
1.7.1 模块的定义和导入
例：以下代码定义在support.py文件中
def print_func( par ):
print "Hello : ", par
return

在别的模块比如(hello.py)中可以导入已定义好的模块
#!/usr/bin/python

#导入模块
import cn.itcast.test.support

使用导入的模块中的函数

cn.itcast.test.support.print_func(“Zara”)

#------------------------------------------------
#或者
from cn.itcast.test.support import print_func

print_func(“Zara”)

1.7.2 模块和包
在python中一个文件可以被看成一个独立模块，而包对应着文件夹，模块把python代码分成一些有组织的代码段，通过导入的方式实现代码重用。

1.7.1 模块搜索路径
导入模块时，是按照sys.path变量的值搜索模块，sys.path的值是包含每一个独立路径的列表，包含当前目录、python安装目录、PYTHONPATH环境变量，搜索顺序按照路径在列表中的顺序（一般当前目录优先级最高）。
[‘/home/zhoujh/study_workspace/studynotes/python/python_base’, ‘/usr/local/lib/python2.6/site-packages/setuptools-0.6c11-py2.6.egg’, ‘/usr/local/lib/python2.6/site-packages/redis-2.2.1-py2.6.egg’, ‘/usr/local/lib/python2.6/site-packages/Flask-0.8-py2.6.egg’, ‘/usr/local/lib/python2.6/site-packages/Jinja2-2.6-py2.6.egg’, ‘/usr/local/lib/python2.6/site-packages/Werkzeug-0.8.3-py2.6.egg’, ‘/usr/local/lib/python2.6/site-packages/tornado-2.2.1-py2.6.egg’, ‘/usr/local/lib/python2.6/site-packages/MySQL_python-1.2.3-py2.6-linux-x86_64.egg’, ‘/usr/local/lib/python2.6/site-packages/PIL-1.1.7-py2.6-linux-x86_64.egg’, ‘/usr/local/lib/python2.6/site-packages/SQLAlchemy-0.7.8-py2.6-linux-x86_64.egg’, ‘/home/zhoujh/python_workspace/python_app’, ‘/usr/local/lib/python26.zip’, ‘/usr/local/lib/python2.6’, ‘/usr/local/lib/python2.6/plat-linux2’, ‘/usr/local/lib/python2.6/lib-tk’, ‘/usr/local/lib/python2.6/lib-old’, ‘/usr/local/lib/python2.6/lib-dynload’, ‘/usr/local/lib/python2.6/site-packages’]

1.7.2 导入模块
1.7.2.1 使用import语句导入模块

有下面两种方式
import module1
import module2
import module3

import module1,module2,module3
这两种方式的效果是一样的，但是第一种可读性比第二种好，推荐按照下面的顺序导入模块，并且一般在文件首部导入所有的模块：
 python标准库
 第三方模块
 应用程序自定义模块
也可以在函数内部导入模块，这样被导入的模块作用域是局部的

1.7.2.2 使用from-import语句导入模块的属性
单行导入
from module import name1,name2,name3
多行导入
from module import name1,name2,
name3
导入全部属性（由于容易覆盖当前名称空间中现有的名字，所以一般不推荐使用，适合模块中变量名很长并且变量很多的情况）
from module import *
如果你不想某个模块的属性被以上方法导入，可以给该属性名称前加一个下划线(_test)，如果需要取消隐藏，可以显示的导入该属性（from module import _test）

1.7.2.3 扩展的import语句
使用自定义的名称替换模块的原始名称
import simplejson as json
模块被导入时，加载的时候模块顶层代码会被执行，如：设定全局变量、类和函数的声明等，所以应该把代码尽量封装到类和函数中。一个模块无论被导入多少次，只加载一次，可以防止多次导入时代码被多次执行。

1.7.2.4 重新导入模块

reload(module)
内建函数reload可以重新导入一个已经存在的模块

1.7.3.包结构
1.包定义结构
包将有联系的模块组织在一起，有效避免模块名称冲突问题，让应用组织结构更加清晰。
一个普通的python应用程序目录结构：

app/
init.py
a/
init.py
a.py
b/
init.py
b.py
app是最顶层的包，a和b是它的子包，可以这样导入：

from app.a import a
from app.b.b import test

a.test()
test()
上面代码表示：导入app包的子包a和子包b的属性test，然后分别调用test方法。

2. init.py的作用
   每个目录下都有__init__.py文件，这个是初始化模块，from-import语句导入子包时需要它，可以在里面做一些初始化工作，也可以是空文件。
   ps：init.py定义的属性直接使用 顶层包.子包 的方式导入，如在目录a的__init__.py文件中定义init_db()方法，调用如下：
   from app import a
   a.init_db()

3. 指定python文件编码方式
   python默认是使用ASCII编码，可以指定编码方式，如
   #!/usr/bin/env python
   #coding=utf-8
   或者
   #!/usr/bin/env python

-- coding:utf-8 --

4. 解决导入循环问题
   有下面两个模块，a.py和b.py
   a.py
   #!/usr/bin/env python
   #coding=utf-8

import b

if name == ‘__main’:
print ‘hello,I’m a’

b.py
#!/usr/bin/env python
#coding=utf-8

import a

if name == ‘__main’:
print ‘hello,I’m b’

在这里a尝试导入b，而b也尝试导入a，导入一个先前没有完全导入的模块，会导致导入失败。解决办法：移除一个导入语句，把导入语句放到函数内部，在需要的时候导入。
b.py
#!/usr/bin/env python
#coding=utf-8

if name == ‘__main’:
import a
print ‘hello,I’m b’

1.8.Python文件IO
1.8.1 文件读写
Python进行文件读写的函数为open或file:
file_handler = open(filename,mode）
open mode
w 以写方式打开文件，可向文件写入信息。如文件存在，则清空该文件，再写入新内容
a 以追加模式打开文件（即一打开文件，文件指针自动移到文件末尾），如果文件不存在则创建
r+ 以读写方式打开文件，可对文件进行读和写操作。
w+ 消除文件内容，然后以读写方式打开文件。
a+ 以读写方式打开文件，并把文件指针移到文件尾。
b 以二进制模式打开文件，而不是以文本模式。该模式只对Windows或Dos有效，类Unix的文件是用二进制模式进行操作的。

操作文件对象方法
f.close() 关闭文件，记住用open()打开文件后一定要记得关闭它，否则会占用系统的可打开文件句柄数。
f.fileno() 获得文件描述符，是一个数字
f.flush() 刷新输出缓存
f.isatty() 如果文件是一个交互终端，则返回True，否则返回False。
f.read([count]) 读出文件，如果有count，则读出count个字节。
f.readline() 读出一行信息。
f.readlines() 读出所有行，也就是读出整个文件的信息。
f.seek(offset[,where]) 把文件指针移动到相对于where的offset位置。where为0表示文件开始处，这是默认值 ；1表示当前位置；2表示文件结尾。
f.tell() 获得文件指针位置。
f.truncate([size]) 截取文件，使文件的大小为size。
f.write(string) 把string字符串写入文件。
f.writelines(list) 把list中的字符串一行一行地写入文件，是连续写入文件，没有换行。

例1：从文本文件中每读取一行文本便输出
#!/usr/bin/env/ python
#coding=utf-8

fileHandler = open(’/root/a.txt’, ‘a+’) #以读写方式处理文件IO
fileHandler.seek(0)
line = fileHandler.readline()
while line:
print line
line = fileHandler.readline()
fileHandler.close

例2:其他文件IO函数的使用
#!/usr/bin/env/ python
#coding=utf-8

fileHandler = open(’/root/a.txt’, ‘a+’) #以读写方式处理文件IO
fileHandler.seek(0)
#读取整个文件
contents = fileHandler.read()
print contents

#读取所有行,再逐行输出
fileHandler.seek(0)
lines = fileHandler.readlines()
for line in lines:
print line

#当前文件指针的位置
print fileHandler.tell()

fileHandler.close

例3:用file(…)替换open(…)
#!/usr/bin/env/ python
#coding=utf-8
fileHandler = file(’/root/a.txt’, ‘a+’) #以读写方式处理文件IO
fileHandler.seek(0)
line = fileHandler.readline()
while line:
print line
line = fileHandler.readline()

例4:文件的写操作
#!/usr/bin/env/ python
#coding=utf-8

fileHandler = file(’/root/a.txt’,‘a+’) #或者调用open()函数
fileHandler.write("\r\n")
fileHandler.write(“thank you”)

fileHandler.seek(0)
contents = fileHandler.read()
print contents

fileHandler.close

1.8.2 文件夹相关操作
Python中对文件、文件夹（文件操作函数）的操作需要涉及到os模块和shutil模块。
得到当前工作目录，即当前Python脚本工作的目录路径: os.getcwd()
返回指定目录下的所有文件和目录名:os.listdir()
删除一个文件:os.remove()
删除多个目录（只能删除空目录）：os.removedirs（r”c：\python”）
检验给出的路径是否是一个文件：os.path.isfile()
检验给出的路径是否是一个目录：os.path.isdir()
判断是否是绝对路径：os.path.isabs()
检验给出的路径是否存在:os.path.exists()
返回一个路径的目录名和文件名:os.path.split()
Eg：
os.path.split(’/home/swaroop/byte/code/poem.txt’)
结果：(’/home/swaroop/byte/code’, ‘poem.txt’)
分离扩展名：os.path.splitext()
获取路径名：os.path.dirname()
获取文件名：os.path.basename()
运行shell命令: os.system()
读取和设置环境变量:os.getenv() 与os.putenv()
给出当前平台使用的行终止符:os.linesep Windows使用’\r\n’，Linux使用’\n’而Mac使用’\r’
指示你正在使用的平台：os.name 对于Windows，它是’nt’，而对于Linux/Unix用户，它是’posix’
重命名：os.rename（old， new）
创建多级目录：os.makedirs（r“c：\python\test”）
创建单个目录：os.mkdir（“test”）
获取文件属性：os.stat（file）
修改文件权限与时间戳：os.chmod（file）
终止当前进程：os.exit（）
获取文件大小：os.path.getsize（filename）

1.9 Python多线程
Python中的多线程是伪线程；不能充分利用cpu中的多核，但是在io等待型的场景下多线程还是可以提高效率
Python中的多线程有多种实现方式，利用threading包实现是比较普遍的做法
示例代码如下：
import threading
from time import ctime,sleep
def music(func):
for i in range(2):
print(“i was listening to %s. %s” %(func,ctime()))
sleep(1)

def movie(func):
for i in range(2):
print(“i was at the %s! %s” %(func,ctime()))
sleep(5)

threads=[]
t1=threading.Thread(target=music,args=(u’爱情买卖’))
threads.append(t1)
t2=threading.Thread(target=movie,args=(u’阿凡达’,))
threads.append(t2)

if name == ‘main’ :

for t in threads:
# t.setDaemon(True)
t.start()

t.join()

print(“all over %s” %ctime())

1.10面向对象
1.10.1 创建类
使用class语句来创建一个新类，class之后为类的名称并以冒号结尾，如下实例:
class ClassName:
‘类的帮助信息’ #类文档字符串
class_suite #类体
类的帮助信息可以通过ClassName.__doc__查看。
class_suite 由类成员，方法，数据属性组成。

1.10.2 实例
以下是一个简单的Python类实例:
#!/usr/bin/python

-- coding: UTF-8 --

class Employee:
‘所有员工的基类’
empCount = 0

#构造函数
def init(self, name, salary):
self.name = name
self.salary = salary
Employee.empCount += 1

def displayCount(self):
print “Total Employee %d” % Employee.empCount

def displayEmployee(self):
print "Name : ", self.name, ", Salary: ", self.salary
empCount变量是一个类变量，它的值将在这个类的所有实例之间共享。你可以在内部类或外部类使用Employee.empCount访问。
第一个方法__init__()方法是一种特殊的方法，被称为类的构造函数或初始化方法，当创建了这个类的实例时就会调用该方法

类的方法
使用def关键字可以为类定义一个方法，与一般函数定义不同，类方法必须包含参数self,且为第一个参数

1.10.3 创建实例对象
要创建一个类的实例，你可以使用类的名称，并通过__init__方法接受参数。
“创建 Employee 类的第一个对象”
emp1 = Employee(“Zara”, 2000)
“创建 Employee 类的第二个对象”
emp2 = Employee(“Manni”, 5000)

访问属性
可以使用点(.)来访问对象的属性。使用如下类的名称访问类变量:
emp1.displayEmployee()
emp2.displayEmployee()
print “Total Employee %d” % Employee.empCount

完整实例：
#!/usr/bin/python

-- coding: UTF-8 --

class Employee:
‘所有员工的基类’
empCount = 0

def init(self, name, salary):
self.name = name
self.salary = salary
Employee.empCount += 1

def displayCount(self):
print “Total Employee %d” % Employee.empCount

def displayEmployee(self):
print "Name : ", self.name, ", Salary: ", self.salary

“创建 Employee 类的第一个对象”
emp1 = Employee(“Zara”, 2000)
“创建 Employee 类的第二个对象”
emp2 = Employee(“Manni”, 5000)
emp1.displayEmployee()
emp2.displayEmployee()
print “Total Employee %d” % Employee.empCount

执行以上代码输出结果如下：
Name : Zara ,Salary: 2000
Name : Manni ,Salary: 5000
Total Employee 2

你可以添加，删除，修改类的属性，如下所示：
emp1.age = 7 # 添加一个 ‘age’ 属性
emp1.age = 8 # 修改 ‘age’ 属性
del emp1.age # 删除 ‘age’ 属性
你也可以使用以下函数的方式来访问属性：
getattr(obj, ‘name’[, default]) : 访问对象的属性。
hasattr(obj,’name’) : 检查是否存在一个属性。
setattr(obj,’name’,value) : 设置一个属性。如果属性不存在，会创建一个新属性。
delattr(obj, ‘name’) : 删除属性。
hasattr(emp1, ‘age’) # 如果存在 ‘age’ 属性返回 True。
getattr(emp1, ‘age’) # 返回 ‘age’ 属性的值
setattr(emp1, ‘age’, 8) # 添加属性 ‘age’ 值为 8
delattr(empl, ‘age’) # 删除属性 ‘age’

1.10.4 Python内置类属性
dict : 类的属性（包含一个字典，由类的数据属性组成）
doc :类的文档字符串
name: 类名
module: 类定义所在的模块（类的全名是’main.className’，如果类位于一个导入模块mymod中，那么className.module 等于 mymod）
bases : 类的所有父类构成元素（包含了以个由所有父类组成的元组）

Python内置类属性调用实例如下：
#!/usr/bin/python

-- coding: UTF-8 --

class Employee:
‘所有员工的基类’
empCount = 0

def init(self, name, salary):
self.name = name
self.salary = salary
Employee.empCount += 1

def displayCount(self):
print “Total Employee %d” % Employee.empCount

def displayEmployee(self):
print "Name : ", self.name, ", Salary: ", self.salary

print “Employee.doc:”, Employee.doc
print “Employee.name:”, Employee.name
print “Employee.module:”, Employee.module
print “Employee.bases:”, Employee.bases
print “Employee.dict:”, Employee.dict

执行以上代码输出结果如下：
Employee.doc: 所有员工的基类
Employee.name: Employee
Employee.module: main
Employee.bases: ()
Employee.dict: {‘module’: ‘main’, ‘displayCount’: <function displayCount at 0x10a939c80>, ‘empCount’: 0, ‘displayEmployee’: <function displayEmployee at 0x10a93caa0>, ‘doc’: ‘\xe6\x89\x80\xe6\x9c\x89\xe5\x91\x98\xe5\xb7\xa5\xe7\x9a\x84\xe5\x9f\xba\xe7\xb1\xbb’, ‘init’: <function init at 0x10a939578>}

1.10.5 私有属性
1、类的私有属性
__private_attrs：两个下划线开头，声明该属性为私有，不能在类地外部被使用或直接访问。在类内部的方法中使用时 self.__private_attrs

2、类的私有方法
__private_method：两个下划线开头，声明该方法为私有方法，不能在类地外部调用。在类的内部调用 self.__private_methods

3、实例
#!/usr/bin/python

-- coding: UTF-8 --

class JustCounter:
__secretCount = 0 # 私有变量
publicCount = 0 # 公开变量

def count(self):
	self.__secretCount += 1
	self.publicCount += 1
	print self.__secretCount

counter = JustCounter()
counter.count()
counter.count()
print counter.publicCount
print counter.__secretCount # 报错，实例不能访问私有变量
运行结果会报错：
Traceback (most recent call last):
File “test.py”, line 17, in
print counter.__secretCount # 报错，实例不能访问私有变量
AttributeError: JustCounter instance has no attribute ‘__secretCount’

Python不允许实例化的类访问私有数据，但你可以使用 object._className__attrName 访问属性，将如下代码替换以上代码的最后一行代码：
…
print counter._JustCounter__secretCount
执行以上代码，执行结果如下：
1
2
2
2

1.10.6 python对象销毁(垃圾回收)
同Java语言一样，Python使用了引用计数这一简单技术来追踪内存中的对象。
在Python内部记录着所有使用中的对象各有多少引用。
一个内部跟踪变量，称为一个引用计数器。
当对象被创建时， 就创建了一个引用计数， 当这个对象不再需要时， 也就是说， 这个对象的引用计数变为0 时， 它被垃圾回收。但是回收不是"立即"的， 由解释器在适当的时机，将垃圾对象占用的内存空间回收。
a = 40 # 创建对象 <40>
b = a # 增加引用， <40> 的计数
c = [b] # 增加引用. <40> 的计数

del a # 减少引用 <40> 的计数
b = 100 # 减少引用 <40> 的计数
c[0] = -1 # 减少引用 <40> 的计数
垃圾回收机制不仅针对引用计数为0的对象，同样也可以处理循环引用的情况。循环引用指的是，两个对象相互引用，但是没有其他变量引用他们。这种情况下，仅使用引用计数是不够的。Python 的垃圾收集器实际上是一个引用计数器和一个循环垃圾收集器。作为引用计数的补充， 垃圾收集器也会留心被分配的总量很大（及未通过引用计数销毁的那些）的对象。 在这种情况下，解释器会暂停下来，试图清理所有未引用的循环。

实例
析构函数 del
__del__在对象销毁的时候被调用，当对象不再被使用时，__del__方法运行：
#!/usr/bin/python

-- coding: UTF-8 --

class Point:
def init( self, x=0, y=0):
self.x = x
self.y = y
def del(self):
class_name = self.class.name
print class_name, “销毁”

pt1 = Point()
pt2 = pt1
pt3 = pt1
print id(pt1), id(pt2), id(pt3) # 打印对象的id
del pt1
del pt2
del pt3

以上实例运行结果如下：
3083401324 3083401324 3083401324
Point 销毁

1.10.7 类的继承
面向对象的编程带来的主要好处之一是代码的重用，实现这种重用的方法之一是通过继承机制。继承完全可以理解成类之间的类型和子类型关系。

1、语法：
派生类的声明，与他们的父类类似，继承的基类列表跟在类名之后，如下所示：
class SubClassName (ParentClass1[, ParentClass2, …]):
‘Optional class documentation string’
class_suite

2、实例：
#!/usr/bin/python

-- coding: UTF-8 --

class Parent: # 定义父类
parentAttr = 100
def init(self):
print “调用父类构造函数”

def parentMethod(self):
print ‘调用父类方法’

def setAttr(self, attr):
Parent.parentAttr = attr

def getAttr(self):
print “父类属性 :”, Parent.parentAttr

class Child(Parent): # 定义子类
def init(self):
print “调用子类构造方法”

def childMethod(self):
print ‘调用子类方法 child method’

c = Child() # 实例化子类
c.childMethod() # 调用子类的方法
c.parentMethod() # 调用父类方法
c.setAttr(200) # 再次调用父类的方法
c.getAttr() # 再次调用父类的方法
以上代码执行结果如下：
调用子类构造方法
调用子类方法 child method
调用父类方法
父类属性 : 200

你可以继承多个类
class A: # 定义类 A
…

class B: # 定义类 B
…

class C(A, B): # 继承类 A 和 B
…
可以使用issubclass()或者isinstance()方法来检测。
issubclass() - 布尔函数判断一个类是另一个类的子类或者子孙类，语法：issubclass(sub,sup)
isinstance(obj, Class) 布尔函数如果obj是Class类的实例对象或者是一个Class子类的实例对象则返回true。

3、方法重写
如果你的父类方法的功能不能满足你的需求，你可以在子类重写你父类的方法：
实例：
#!/usr/bin/python

-- coding: UTF-8 --

class Parent: # 定义父类
def myMethod(self):
print ‘调用父类方法’

class Child(Parent): # 定义子类
def myMethod(self):
print ‘调用子类方法’

c = Child() # 子类实例
c.myMethod() # 子类调用重写方法

执行以上代码输出结果如下：

4、基础重载方法
下表列出了一些通用的功能，你可以在自己的类重写：
1/ init ( self [,args…] )
构造函数
简单的调用方法: obj = className(args)
2/ del( self )
析构方法, 删除一个对象
简单的调用方法 : dell obj
3/ str( self )
用于将值转化为适于人阅读的形式
简单的调用方法 : str(obj)
4/ cmp ( self, x )
对象比较
简单的调用方法 : cmp(obj, x)

#!/usr/bin/python

class Vector:
def init(self, a, b):
self.a = a
self.b = b

def str(self):
return ‘Vector (%d, %d)’ % (self.a, self.b)

def add(self,other):
return Vector(self.a + other.a, self.b + other.b)

v1 = Vector(2,10)
v2 = Vector(5,-2)
print v1 + v2

以上代码执行结果如下所示:
Vector(7,8)

2 Numpy快速上手
2.1. 什么是Numpy
Numpy是Python的一个科学计算的库
主要提供矩阵运算的功能，而矩阵运算在机器学习领域应用非常广泛
Numpy一般与Scipy、matplotlib一起使用。
虽然python中的list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。

2.1.2 安装导入了Numpy
（通用做法import numpy as np 简单输入）

import numpy as np
print np.version.version
1.6.2

2.1.3 Numpy组成
Numpy基础部分中，有两个主要内容，如下：
任意维数的数组对象（ndarray，n-dimensional array object）
通用函数对象（ufunc，universal function object）
2.2. 多维数组
2.2.1 Numpy中的数组<矩阵>
Numpy中，最重要的数据结构是：多维数组的类型（numpy.ndarray）
ndarray由两部分组成：
实际所持有的数据；
描述这些数据的元数据（metadata）

与Python原生支持的List类型不同，数组的所有元素必须同样的类型。
数组（即矩阵）的维度被称为axes，维数称为 rank
ndarray 的重要属性包括:
 ndarray.ndim：数组的维数，也称为rank
 ndarray.shape：数组各维的大小，对一个n行m列的矩阵来说， shape 为 (n,m)
 ndarray.size：元素的总数。
 ndarray.dtype：每个元素的类型，可以是numpy.int32, numpy.int16, and numpy.float64等
 ndarray.itemsize：每个元素占用的字节数。
 ndarray.data：指向数据内存。

2.2.2 ndarray常用方法示例
2.2.2.2 使用numpy.array方法
以list或tuple变量为参数产生一维数组：

print np.array([1,2,3,4])
[1 2 3 4]

print np.array((1.2,2,3,4))
[ 1.2 2. 3. 4. ]

print type(np.array((1.2,2,3,4)))
<type ‘numpy.ndarray’>

以list或tuple变量为元素产生二维数组或者多维数组：

x = np.array(((1,2,3),(4,5,6)))
x
array([[1, 2, 3],
[4, 5, 6]])

y = np.array([[1,2,3],[4,5,6]])
y
array([[1, 2, 3],
[4, 5, 6]])

index 和slicing ：第一数值类似数组横坐标，第二个为纵坐标

x[1,2]
6

y=x[:,1] #取第二列
y
array([2, 5])
涉及改变相关问题，我们改变上面y是否会改变x？这是特别需要关注的！

y[0] = 10
y
array([10, 5])

x
array([[ 1, 10, 3],
[ 4, 5, 6]])
通过上面可以发现改变y会改变x ，因而我们可以推断，y和x指向是同一块内存空间值，系统没有为y 新开辟空间把x值赋值过去。

2.2.2.3 使用numpy.arange方法

print np.arange(15)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]

print type(np.arange(15))
<type ‘numpy.ndarray’>

print np.arange(15).reshape(3,5)
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]

print type(np.arange(15).reshape(3,5))
<type ‘numpy.ndarray’>

2.2.2.4 使用numpy.linspace方法
例如，在从1到10中产生20个数：

print np.linspace(1,10,20)
[ 1. 1.47368421 1.94736842 2.42105263 2.89473684
3.36842105 3.84210526 4.31578947 4.78947368 5.26315789
5.73684211 6.21052632 6.68421053 7.15789474 7.63157895
8.10526316 8.57894737 9.05263158 9.52631579 10. ]

使用numpy.zeros，numpy.ones，numpy.eye等方法可以构造特定的矩阵
构造“0”矩阵：

print np.zeros((3,4))
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]

构造“1”矩阵

print np.ones((3,4))
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]

构造单位矩阵(E矩阵)

print np.eye(3)
[[ 1. 0. 0.]
[ 0. 1. 0.]
[ 0. 0. 1.]]

2.2.2.5 获取数组的属性：

a = np.zeros((2,2,2))
print a.ndim #数组的维数
3

print a.shape #数组每一维的大小
(2, 2, 2)

print a.size #数组的元素数
8

print a.dtype #元素类型
float64

print a.itemsize #每个元素所占的字节数
8

2.2.3 数组的基本运算
数组的算术运算是按元素逐个运算。数组运算后将创建包含运算结果的新数组。
与其他矩阵语言不同，NumPy中的乘法运算符*按元素逐个计算，矩阵乘法可以使用dot函数或创建矩阵对象实现（后续介绍）

2.2.3.1 数组的加减运算

a= np.array([20,30,40,50])
b= np.arange( 4)
b
array([0, 1, 2, 3])

c= a-b
c
array([20, 29, 38, 47])
将运算结果更新原数组，不创建新数组

a= np.ones((2,3), dtype=int)
b= np.random.random((2,3)) ##生成23矩阵，元素为[0,1)范围的随机数
a= 3
a
array([[3, 3, 3],
　　 [3, 3, 3]])

b+= a #a转换为浮点类型相加
b
array([[ 3.69092703, 3.8324276, 3.0114541],
　　　 [ 3.18679111, 3.3039349, 3.37600289]])

a+= b # b转换为整数类型报错
TypeError: Cannot cast ufunc add output from dtype(‘float64’) to dtype(‘int32’) with casting rule ‘same_kind’

当数组中存储的是不同类型的元素时，数组将使用占用更多位（bit）的数据类型作为其本身的数据类型，也就是偏向更精确的数据类型(这种行为叫做upcast)。

a= np.ones(3, dtype=np.int32)
b= np.linspace(0,np.pi,3)
b.dtype.name
‘float64’

c= a+b
c
array([ 1., 2.57079633, 4.14159265])

‘float64’

2.2.3.2 数组乘法运算

b**2
array([0, 1, 4, 9])

10*np.sin(a)
array([ 9.12945251,-9.88031624, 7.4511316, -2.62374854])

a<35
array([True, True, False, False], dtype=bool)
2.2.3.3 数组内部运算
许多非数组运算，如计算数组所有元素之和，都作为ndarray类的方法来实现，使用时需要用ndarray类的实例来调用这些方法。
二维数组：

np.sum([[0, 1], [0, 5]])
6

np.sum([[0, 1], [0, 5]], axis=0)
array([0, 6])

np.sum([[0, 1], [0, 5]], axis=1)
array([1, 5])

b= np.arange(12).reshape(3,4)
b
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])

b.sum(axis=0) # 计算每一列的和
array([12, 15, 18, 21])

b.min(axis=1) # 获取每一行的最小值
array([0, 4, 8])

b.cumsum(axis=1) # 计算每一行的累积和
array([[ 0, 1, 3, 6],
[ 4, 9, 15, 22],
[ 8, 17, 27, 38]])

三维数组：

x
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],

[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],

[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]])

x.sum(axis=1)
array([[ 9, 12, 15],
[36, 39, 42],
[63, 66, 69]])

x.sum(axis=2)
array([[ 3, 12, 21],
[30, 39, 48],
[57, 66, 75]])

求元素最值

a= np.random.random((2,3))
a
array([[ 0.65806048, 0.58216761, 0.59986935],[ 0.6004008, 0.41965453, 0.71487337]])

a.sum()
　 3.5750261436902333

a.min()
0.41965453489104032

a.max()
0.71487337095581649

2.2.3.4 数组的索引、切片
和列表和其它Python序列一样，一维数组可以进行索引、切片和迭代操作。

a= np.arange(10)** 3 #记住，操作符是对数组中逐元素处理的！
a
array([0, 1, 8, 27, 64, 125, 216, 343, 512, 729])

a[2]
8

a[2:5]
array([ 8, 27, 64])

a[:6:2]= -1000 # 等同于a[0:6:2]= -1000，从开始到第6个位置，每隔一个元素将其赋值为-1000
a
array([-1000, 1,-1000, 27,-1000, 125, 216, 343, 512, 729])

a[: :-1] # 反转a
array([ 729, 512, 343, 216, 125,-1000, 27,-1000, 1,-1000])

for i in a:
… print i**2,
…
1000000 1 1000000 729 1000000 15625 46656 117649 262144 531441

多维数组可以每个轴有一个索引。这些索引由一个逗号分割的元组给出。

def f(x,y):
… return 10*x+y
…

b= np.fromfunction(f,(5,4),dtype=int) #fromfunction是一个函数
b
array([[ 0, 1, 2, 3],
[10, 11, 12, 13],
[20, 21, 22, 23],
[30, 31, 32, 33],
[40, 41, 42, 43]])

b[2,3]
23

b[0:5, 1] # 每行的第二个元素
array([ 1, 11, 21, 31, 41])

b[: ,1] # 与前面的效果相同
array([ 1, 11, 21, 31, 41])

b[1:3,: ] # 每列的第二和第三个元素
array([[10, 11, 12, 13],
[20, 21, 22, 23]])

当少于提供的索引数目少于轴数时，已给出的数值按秩的顺序复制，缺失的索引则默认为是整个切片：

b[-1] # 最后一行，等同于b[-1,:]，-1是第一个轴，而缺失的认为是：，相当于整个切片。
array([40, 41, 42, 43])
b[i]中括号中的表达式被当作i和一系列"："，来代表剩下的轴。NumPy也允许你使用“点”像b[i,…]。
点(…)代表许多产生一个完整的索引元组必要的冒号。如果x是秩为5的数组(即它有5个轴)，那么:　　
 x[1,2,…] 等同于 x[1,2,:,:,:],
 x[…,3] 等同于 x[:,:,:,:,3]
 x[4,…,5,:] 等同 x[4,:,:,5,:]

c= array( [ [[ 0, 1, 2], #三维数组（n个2维数组叠加而成）
…[ 10, 12, 13]],
…
…[[100,101,102],
…[110,112,113]]] )

c.shape
(2, 2, 3)

c[1,…] #等同于c[1,:,:]或c[1]
array([[100, 101, 102],
[110, 112, 113]])

c[…,2] #等同于c[:,:,2]
array([[ 2, 13],
[102, 113]])

2.2.3.5 矩阵的遍历

for row in b:
… print row
…
[0 1 2 3]
[10 11 12 13]
[20 21 22 23]
[30 31 32 33]
[40 41 42 43]

如果想对数组中每个元素都进行处理，可以使用flat属性，该属性是一个数组元素迭代器：

for element in b.flat:
… print element,
…
0 1 2 3 10 11 12 13 20 21 22 23 30 31 32 33 40 41 42 43

2.2.3.6 合并数组
使用numpy下的vstack（垂直方向）和hstack（水平方向）函数：

a = np.ones((2,2))
b = np.eye(2)
print np.vstack((a,b))
[[ 1. 1.]
[ 1. 1.]
[ 1. 0.]
[ 0. 1.]]

print np.hstack((a,b))
[[ 1. 1. 1. 0.]
[ 1. 1. 0. 1.]]
看一下这两个函数有没有涉及到浅拷贝这种问题：

c = np.hstack((a,b))
print c
[[ 1. 1. 1. 0.]
[ 1. 1. 0. 1.]]

a[1,1] = 5
b[1,1] = 5
print c
[[ 1. 1. 1. 0.]
[ 1. 1. 0. 1.]]
通过上面可以知道，这里进行是深拷贝，而不是引用指向同一位置的浅拷贝。
2.2.3.7 深度拷贝
数组对象自带了浅拷贝和深拷贝的方法，但是一般用深拷贝多一些：

a = np.ones((2,2))
b = a
b is a
True

c = a.copy() #深拷贝
c is a
False

2.2.3.8 矩阵转置运算

a = np.array([[1,0],[2,3]])
print a
[[1 0]
[2 3]]

print a.transpose()
[[1 2]
[0 3]]

2.2.4 数组的形状操作
2.4.1 reshape更改数组的形状
数组的形状取决于其每个轴上的元素个数：

a= np.floor(10*np.random.random((3,4)))
a
array([[ 7., 5., 9., 3.],
[ 7., 2., 7., 8.],
[ 6., 8., 3., 2.]])

a.shape
(3, 4)

可以用多种方式修改数组的形状：

a.ravel() # 平坦化数组
array([ 7., 5., 9., 3., 7., 2., 7., 8., 6., 8., 3., 2.])

a.shape= (6, 2)
a.transpose()
array([[ 7., 9., 7., 7., 6., 3.],
[ 5., 3., 2., 8., 8., 2.]])

由ravel()展平的数组元素的顺序通常是“C风格”的，就是以行为基准，最右边的索引变化得最快，所以元素a[0,0]之后是a[0,1]。如果数组改变成其它形状(reshape)，数组仍然是“C风格”的。NumPy通常创建一个以这个顺序保存数据的数组，所以ravel()通常不需要创建起调用数组的副本。但如果数组是通过切片其它数组或有不同寻常的选项时，就可能需要创建其副本。还可以同过一些可选参数函数让reshape()和ravel()构建FORTRAN风格的数组，即最左边的索引变化最快。

2.4.2 resize更改数组形状
reshape函数改变调用数组的形状并返回该数组，而resize函数改变调用数组自身。

a
array([[ 7., 5.],
[ 9., 3.],
[ 7., 2.],
[ 7., 8.],
[ 6., 8.],
[ 3., 2.]])

a.resize((2,6))
a
array([[ 7., 5., 9., 3., 7., 2.],
[ 7., 8., 6., 8., 3., 2.]])

##如果调用reshape，则会返回一个新矩阵

a.reshape((2,6))
array([[ 7., 5., 9., 3., 7., 2.],
[ 7., 8., 6., 8., 3., 2.]])

3 数据挖掘与机器学习导论
----机器学习算法最适用的场景就是：不便用规则处理的场合
3.1数据挖掘
简而言之，数据挖掘（Data Mining）是有组织有目的地收集数据，通过分析数据使之成为信息，从而在大量数据中寻找潜在规律以形成规则或知识的技术。

3.2 数据挖掘与机器学习的关系
机器学习可以用来作为数据挖掘的一种工具或手段；
数据挖掘的手段不限于机器学习，譬如还有诸如统计学等众多方法；
但机器学习的应用也远不止数据挖掘，其应用领域非常广泛，譬如人工智能；
3.2机器学习
3.2.1定义
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。目前，世界上共有几百种不同的机器学习算法。
3.2.2机器学习算法类别
分类与聚类
 Classification (分类)：
给定一堆样本数据，以及这些数据所属的类别标签，通过算法来对预测新数据的类别
有先验知识

 Clustering(聚类)：
事先并不知道一堆数据可以被划分到哪些类，通过算法来发现数据之间的相似性，从而将相似的数据划入相应的类，简单地说就是把相似的东西分到一组
没有先验知识

常见的分类与聚类算法
 常用的分类算法：k-最近邻法(k-nearest neighbor，kNN)，决策树分类法，朴素贝叶斯分类算法(native Bayesian classifier)、支持向量机(SVM)的分类器，神经网络法，模糊分类法等等。

 常见聚类算法： K均值(K-means clustering)聚类算法、K-MEDOIDS算法、CLARANS算法；BIRCH算法、CURE算法、CHAMELEON算法等；基于密度的方法：DBSCAN算法、OPTICS算法、DENCLUE算法等；基于网格的方法：STING算法、CLIQUE算法、WAVE-CLUSTER算法；
监督学习与无监督学习
机器学习按照训练数据是否有“先验知识”，一般划分为三类：

1. 监督学习(supervised learning)
2. 无监督学习(unsupervised learning)
3. 半监督学习(semi-supervised learning)

 监督式学习技术需要关于结果的先验知识
例如，如果我们正在研究一个市场活动的历史数据，我们可以根据市场是否产生预期的反应来对数据进行分类，或决定下一步要花多少钱。监督式学习技术为预测和分类提供了强大的工具。

 无监督学习技术不需要先验知识。
例如，在某些欺诈的案例中，只有当事情发生很久以后，我们才可能知道某次交易是不是欺诈。在这种情况下，与其试图预测哪些交易是欺诈，我们不如使用机器学习来识别那些可疑的交易，并做出标记，以备后续观察。我们对某种特定的结果缺乏先验知识、但仍希望从数据中汲取有用的洞察时，就要用到无监督式学习。

3.3 机器学习的应用步骤

1. 需求分析
2. 收集数据
3. 探索数据特性
4. 提取数据特征并建模
5. 开发代码（常用语言：R语言，Python语言，spark mllib库）
6. 训练模型
7. 应用系统集成（比如将训练好的算法模型集成到推荐系统中）

通用机器学习算法应用工程技术架构

3.4 机器学习必需数学知识
在数据挖掘所用的机器学习算法中，很大一部分问题都可以归结为以下三个方面的数学知识：概率、距离、线性方程
3.4.1 概率
基本概念：
概率描述的是随机事件发生的可能性
比如，抛一枚硬币，出现正反两面的概率各为50%

基本计算：
设一个黑箱中有8个黑球2个红球，现随机抽取一个球，则
取到黑球的概率为：8/(8+2) =0.8
取到红球的概率：2 /(8+2) =0.2

条件概率：
假如有两个黑箱A/B，A中有7黑球+1红球，B中有1黑球+1红球，假如随机抽取到一个球为红球，问，球来自A箱的概率——这就是条件概率问题
所求概率可表示为： p(A|红球) 即在已知结果是红球的条件下，是来自A的概率

条件概率的计算：
P(A|红球) = P(A,红球)/P(A)
<补充：具体运算过程>
3.4.2 距离（相似度）
在机器学习中，距离通常用来衡量两个样本之间的相似度，当然，在数学上，距离这个概念很丰满，有很多具体的距离度量，最直白的是“欧氏距离”，即几何上的直线距离

 图示：
如图，在二维平面上有两个点(x1,y1) , (x2,y2)，求两点之间的距离

 计算方法：
D12 =
而在机器学习中，通常涉及的是多维空间中点的距离计算，计算方式一样：
Dn =

3.4.3 线性方程
机器学习中的线性拟合或回归分类问题都需要理解线性方程

 图示
线性方程用来描述二维空间中的直线或多维空间中的平面，比如在二维空间中，如图

y=ax+b即是图中直线的线性方程：
 x是自变量，y是因变量
 a b 是参数，决定直线的斜率和截距
如果在多维空间中，线性方程则是表示平面，方程形式如：ax+by+cz+d=0

 计算方法
初等数学经常已知a, b求解x y，而在高等数学中，我们往往是知道大量的(y,x)样本比如(x1,y1)，(x2,y2),(x3,y3)要求反推参数列表(a,b,…)
在维度小，样本数据都“正确+精确”的情况下，可以通过线性方程求解的方式来解出a,b,…
但在机器学习中，我们拿到的大量样本数据本身都是“不精确且充满噪点”的，所以代入方程来求解a,b…显然不可行，此时，一般都是采用逼近的思想来求解：

1. 设定参数的初始值——>代入样本试探——>根据试探结果调整参数——>再次代入样本试探——>再调整参数
2. 一直循环迭代直到获得一组满意的参数
   <补充：一个运算实例>

3.4.5 向量和矩阵
在以上3大数学问题中，都涉及到大量样本数据大量特征值的“批量运算”，此时，可运用数学中的工具：“向量和矩阵”
N维向量：就是一个一维的数组(x1,x2,x3,x4,…)，数组中的元素个数即为向量的“维度数”
矩阵：将多个(比如M个) N维向量写在一起，就是矩阵（M*N）：

x11,x12,x13,x14,…
x21,x22,x23,x24,…
x31,x32,x33,x34,…
x41,x42,x43,x44,…

矩阵和向量的意义主要在哪呢？就是为了方便快速地进行大量数据（尤其是线性方程问题）的批量运算

如：
矩阵相加

矩阵相乘