第2章 Python数据分析简介《Python数据分析与挖掘实战》.pptxVIP

Python数据挖掘编程基础;;赋值运算 乘法运算 幂运算 多重赋值 字符串操作 ;a = 3 a * 3 a ** 3 a, b, c = 1, 2, 3 # 多重赋值 # 字符串操作 a = This is the Python world a + Welcome! # 将a与 Welcome!拼接，得到This is the Python world Welcome! a.split( ) # 将a以空格分割，得到列表[This, is, the, Python, world];判断语句;for循环语句;;for i in range(1, 5, 1): print(i);def pea(x): return x + 1 print(pea(1)) # 输出结果为2;c = lambda x: x + 1 # 定义函数c(x) = x + 1 d = lambda x, y: x + y + 6 # 定义函数d(x,y) = x + y + 6;数据结构;数据结构; （1）列表的基本操作 列表的创建 列表的长度 列表元素计数 列表的下标 列表的切片与索引 列表的运算 列表的增、删、改、查操作 ; （2）列表的其他常用函数 ; （1）元组的基本操作 元组的创建 元组的长度 元组元素计数 元组的下标 元组的切片与索引 元组的运算 元组的查询操作 ; 在数学上，字典实际上是一个映射。字典将键映射到值，通过键来调取数据 。 ;数据结构;数据结构; 函数式编程（Functional programming）或函数程序设计，又称泛函编程，是一种编程范型。在Python中，函数式编程主要由lambda、map、reduce、filter几个函数构成。 假设有一个列表a = [5, 6, 7]，需要为列表a中的每个元素都加3，使用map函数实现并生成一个新列表：;函数式编程（Functional programming）或函数程序设计，又称泛函编程，是一种编程范型。在Python中，函数式编程主要由lambda、map、reduce、filter几个函数构成。 假设有一个列表a = [5, 6, 7]，需要为列表a中的每个元素都加3，使用map函数实现并生成一个新列表：;库的导入与添加;库的导入与添加;库的导入与添加;;NumPy;pandas; Matplotlib是约翰·亨特（John Hunter）在2008年左右的博士后研究中发明出来的，最初只是为了可视化癞痢病人的一些健康指标，慢慢的Matplotlib变成了Python上最广泛使用的可视化工具包。 支持折线图、条形图、柱状图、饼图的绘制。 支持交互式绘图和非交互式绘图。 支持Linux、Windows、Mac OS X与Solaris的跨平台绘图。 迁移学习的成本比较低。 ;; scikit-learn还是Python下强大的机器学习工具包，提供了完善的机器学习工具箱，是一种简单高效的数据分析和挖掘的工具。scikit-learn不仅提供了一些实例数据用于练习，还提供了很多功能接口： model.fit()：用于训练模型 model.predict(X_new)：预测新样本 model.predict_proba(X_new)：预测概率 model.score()：得分越高，模型拟合效果越好 model.transform()：在fit函数的基础上，进行标准化，降维，归一化等数据处理操作 model.fit_transform()：fit函数和transform函数的组合，既包括了训练又包含了数据处理操作。 ;深度学习; Keras是由Python编写而成并使用TensorFlow、Theano以及CNTK作为后端的一个深度学习框架，也是深度学习框架中最容易使用的一个。 Keras具有高度模块化、用户友好性和易扩展特性。 支持卷积神经网络和循环神经网络，以及两者的组合。 Keras可无缝衔接CPU和GPU的切换。; PyTorch可帮助构建深度学习项目，其强调灵活性，并允许用Python表达深度学习模型；命令式体验，直接使用nn.module封装便可使网络搭建更快速和方便；调试简单，调试PyTorch就像调试Python代码一样简单。除此之外，PyTorch中还存在着较为完备的应用领域所对应的库：;PaddlePaddle支持超大规模深度学习模型的训练、多端多平台部署的高性能推理引擎等。 命令式编程模式（动态图）功能、性能和体验；原生推理库性能显著优化，轻量级推理引擎实现了对硬件支持的极大覆盖。 新增了CUDA下多线程多流支持、TRI子图对动态shape