Python机器学习编程与实战第1章 Python概述.pptx

Python概述目录Python简介1Python基础知识2控制语句3函数4小结5Python语言介绍ython语言是一门解释型，动态，强类型编程语言。它既能进行面向过程编程，也能进行面向对象编程、甚至还可以使用函数式编程，能广泛用于多种编程领域的语言，已具有二十多年的发展历史，成熟且稳定。它集合了许多程序语言的特性，拥有许多程序语言所没有的优点，具体如下表所示。特点优点缺点开源免费；所有函数、对象都可溯源；良好的社区环境；第三方支持强代码加密困难；第三方库质量参差不齐语法简洁学习周期短、难度低；代码可读性强无解释型语言代码结果实时输出，方便定位异常；程序发布简单，无需编译相较于C++，程序执行效率较低动态自动定义数据类型、小幅度降低代码量略微降低了可读性强类型类型前后一致、溯源方便、管理方便；小幅提升了代码可读性如果需要其他类型需要自主转换面向过程性能高；设计简单程序耦合程度高面向对象维护方便；可扩展性强；复用性高需具备面向对象的思想；执行效率相较于面向过程略低函数式编程代码简洁；代码可读性高；易于并发编程；代码易于管理问题抽象函数能力需长期练习Python与机器学习Python作为一门理想的集成语言，将各种技术绑定在一起，除了为用户提供更方便的功能之外，还是一个理想的粘合平台，为开发人员与外部库的低层次集成人员之间搭建连接，用C∕C++实现更高效的算法。开发者在Python中封装了很多优秀的依赖库，如下表所示。库名介绍NumPy支持多维数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。通常与SciPy(Scientific Python)和Matplotlib(绘图库)一起使用，这种组合广泛用于替代Matlab，是一个流行的技术平台pandas一款开放源码的BSD许可的Python库。基于NumPy创建，为Python编程语言提供了高性能的、易于使用的数据结构和数据分析工具。pandas应用领域广泛，包括金融，经济，统计，分析等学术和商业领域SQLAlchemy一种既支持原生SQL，又支持ORM的工具，ORM是Python对象与数据库关系表的一种映射关系，可有效提高写代码的速度，同时兼容多种数据库系统，如sqlite、mysql、postgresql，代价为性能上的一些损失，其余类似的数据库开发库还有MySQL-python、mysqlclient、PyMySQLPython与机器学习库名介绍Matplotlib第一个Python可视化库，有许多别的程序库都是建立在其基础上或者直接调用该库，可以很方便的得到数据的大致信息，功能非常强大，也非常复杂Seaborn利用了matplotlib，用简洁的代码来制作好看的图表，跟matplotlib最大的区别为默认绘图风格和色彩搭配都具有现代美感scikit-learnPython机器学习标准库，又称sklearn，在众多机器学习模块中比较优秀，汇集了各种监督学习、非监督学习、半监督学习的方法，提供现成的功能来实现诸如线性回归、分类器、SVM、k-均值和神经网络等多种算法，并包含一些可直接用于训练和测试的样本数据集。除scikit-learn以外，Python中其他类似的机器学习库还有Orange3、XGBoost、NuPIC、MilkTensorFlow由Google团队开发的神经网络模块，一个采用数据流图来进行数值计算的开源软件库，可绘制计算结构图，为一系列可人机交互的计算操作，编辑好的Python文件将被转换成更高效的C++，并在后端进行计算。其他比较常用的深度学习库还有Caffe、Theano、KerasPython环境配置1. Anaconda简介Anaconda是一个Python的集成开发环境，可以便捷的获取库且提供对库的管理功能，同时对环境可以统一管理的发行版本。Anaconda包含Conda、Python在内的超过180个科学库及其依赖项。其主要特点为：开源、安装过程简单、高性能使用Python和R语言、免费的社区支持等。其包含的科学库包括Conda、NumPy、SciPy、IPython Notebook等。Anaconda支持目前主流的多种系统平台，包含Windows、macOS和Linux（x86∕Power8）。Python环境配置2. 安装Anaconda3登录Anaconda官网/download，依据操作系统选择合适的安装包版本下载，本书使用64位Windows操作系统，故此处选择Anaconda3-5.2.0-Windows-x86_64版本，安装步骤与一般的软件安装步骤类似，安装过程中需要注意权限设置，如下图所示。Python环境配置3.Jupyter Notebook的使用进入Jupyter Notebook进入Jupyter Noteboo