Python介紹

Python介紹

1、簡介

Python是徹底面向對象的語言。函數、模塊、數字、字符串都是對象。而且徹底支持繼承、重載等，有益於加強源代碼的複用性。Python相對於Lisp這種傳統的函數式編程語言，Python對函數式設計只提供了有限的支持。

雖然Python可能被粗略地分類爲「腳本語言」(script language)，但實際上一些大規模軟件開發計劃也普遍地使用它。Python的支持者較喜歡稱它爲一種高級動態編程語言，緣由是「腳本語言」泛指僅做簡單程序設計任務的語言，如shellscript、VBScript等只能處理簡單任務的編程語言，並不能與Python相提並論。

Python自己被設計爲可擴充的，提供了豐富的API和工具，以便程序員可以輕鬆地使用C語言、C++、Cython來編寫擴充模塊。Python編譯器自己也能夠被集成到其它須要腳本語言的程序內。所以，不少人還把Python做爲一種"膠水語言"(glue language)使用。使用Python將其餘語言編寫的程序進行集成和封裝。

Python在執行時，首先會將.py文件中的源代碼編譯成Python的byte code(字節碼)，而後再由Python Virtual Machine(Python虛擬機)來執行這些編譯好的byte code。這種機制的基本思想跟Java，.NET是一致的。

除此以外，Python還能夠以交互模式運行，好比主流操做系統Unix/Linux、Mac、Windows均可以直接在命令模式下直接運行Python交互環境。直接下達操做指令便可實現交互操做。

一、科學計算工具包

提及科學計算，你們首先想起的是Matlab，集數值計算，可視化工具及交互於一身，不過惋惜是一個商業產品。開源方面除了GNU Octave在嘗試作一個相似Matlab的工具包外，Python的這幾個工具包集合到一塊兒也能夠替代Matlab的相應功能：NumPy+SciPy+Matplotlib+iPython。同時，這幾個工具包，特別是NumPy和SciPy，也是不少Python文本處理&機器學習&數據挖掘工具包的基礎，很是重要。最後再推薦一個系列《用Python作科學計算》，將會涉及到NumPy。

1.Numpy

NumPy幾乎是一個沒法迴避的科學計算工具包，最經常使用的也許是它的N維數組對象，其餘還包括一些成熟的函數庫，用於整合C/C++和Fortran代碼的工具包，線性代數、傅里葉變換和隨機數生成函數等。NumPy提供了兩種基本的對象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray是存儲單一數據類型的多維數組，而ufunc則是可以對數組進行處理的函數。

官方主頁：http://www.numpy.org/

2.Scipy

「SciPy是一個開源的Python算法庫和數學工具包，SciPy包含的模塊有最優化、線性代數、積分、插值、特殊函數、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其餘科學與工程中經常使用的計算。其功能與軟件MATLAB、Scilab和GNU Octave相似。 Numpy和Scipy經常結合着使用，Python大多數機器學習庫都依賴於這兩個模塊。」

—引用自「Python機器學習庫」

官方主頁：http://www.scipy.org/

3.Matplotlib

matplotlib 是python最著名的繪圖庫，它提供了一整套和matlab類似的命令API，十分適合交互式地進行製圖。並且也能夠方便地將它做爲繪圖控件，嵌入GUI應用程序中。Matplotlib能夠配合ipython shell使用，提供不亞於Matlab的繪圖體驗，總之用過了都說好。

官方主頁：http://matplotlib.org/

二、機器學習和數據挖掘工具包

機器學習和數據挖掘這兩個概念不太好區分，這裏就放到一塊兒了。這方面的開源Python工具包有不少，這裏先從熟悉的講起，再補充其餘來源的資料，也歡迎你們補充。

1.scikit-learn

首先推薦大名鼎鼎的scikit-learn，scikit-learn是一個基於NumPy, SciPy, Matplotlib的開源機器學習工具包，主要涵蓋分類，迴歸和聚類算法，例如SVM， 邏輯迴歸，樸素貝葉斯，隨機森林，k-means等算法，代碼和文檔都很是不錯，在許多Python項目中都有應用。例如在咱們熟悉的NLTK中，分類器方面就有專門針對scikit-learn的接口，能夠調用scikit-learn的分類算法以及訓練數據來訓練分類器模型。

官方主頁：http://scikit-learn.org/

2.Pandas

Pandas也是基於NumPy和Matplotlib開發的，主要用於數據分析和數據可視化，它的數據結構DataFrame和R語言裏的data.frame很像，特別是對於時間序列數據有本身的一套分析機制，很是不錯。這裏推薦一本書《Python for Data Analysis》，做者是Pandas的主力開發，依次介紹了iPython, NumPy, Pandas裏的相關功能，數據可視化，數據清洗和加工，時間數據處理等，案例包括金融股票數據挖掘等，至關不錯。

官方主頁：http://pandas.pydata.org/

3.mlpy

Machine Learning Python

mlpy is a Python module for Machine Learning built on top of NumPy/SciPy and the GNU Scientific Libraries.mlpy provides a wide range of state-of-the-art machine learning methods for supervised and unsupervised problems and it is aimed at finding a reasonable compromise among modularity, maintainability, reproducibility, usability and efficiency. mlpy is multiplatform, it works with Python 2 and 3 and it is Open Source, distributed under the GNU General Public License version 3.

官方主頁：http://mlpy.sourceforge.net/

4.PyBrain

PyBrain(Python-Based Reinforcement Learning, Artificial Intelligence and Neural Network)是Python的一個機器學習模塊，它的目標是爲機器學習任務提供靈活、易應、強大的機器學習算法。（這名字很霸氣）

PyBrain正如其名，包括神經網絡、強化學習(及兩者結合)、無監督學習、進化算法。由於目前的許多問題須要處理連續態和行爲空間，必須使用函數逼近(如神經網絡)以應對高維數據。PyBrain以神經網絡爲核心，全部的訓練方法都以神經網絡爲一個實例。

5.Theano

Theano 是一個 Python 庫，用來定義、優化和模擬數學表達式計算，用於高效的解決多維數組的計算問題。Theano的特色：緊密集成Numpy；高效的數據密集型GPU計算；高效的符號微分運算；高速和穩定的優化；動態生成c代碼；普遍的單元測試和自我驗證。自2007年以來，Theano已被普遍應用於科學運算。theano使得構建深度學習模型更加容易，能夠快速實現多種模型。

6.Pylearn2

Pylearn2創建在theano上，部分依賴scikit-learn上，目前Pylearn2正處於開發中，將能夠處理向量、圖像、視頻等數據，提供MLP、RBM、SDA等深度學習模型。

2、安裝

參見：Windows中安裝Python2.7、Windows中安裝Python3.7

如今，Linux中通常都內置了Python2.x

3、運行方式

一、shell

在cmd窗口中輸入python進入命令行模式，在其中以交互式方式執行。

以下圖：

二、shell方式調用py文件

在文件中編寫Python腳本文件後綴爲.py。進入該文件所在目錄直接執行python xxx.py。

三、IDE模式

可使用IDE進行運行和編寫，經常使用的IDE包括：pycharm、pyDev for Eclipse，也可使用Anaconda。

四、Python腳本

BSD類的Unix系統中，Python腳本能夠像shell腳本那樣直接執行，只須要在腳本文件開頭加一行命令便可，用於指定文件和模式，代碼以下：

#!/usr/bin/env python

coding……

執行腳本以前，須要給腳本指定執行模式和權限，命令以下：

chmod 775 xxx.py

chmod +x xxx.py

以上兩種方式都可。

Windows中沒有這種方式，直接雙擊文件運行便可。

五、Python編碼

Python默認讀取py文件時採用的編碼格式是ASCII格式，若是文件不是該格式極可能出現亂碼問題形成異常。

解決方法：

只要在文件開頭加入# -*- coding:UTF-8 -*- 或者 #coding=utf-8來通知Python解釋器在讀取文件時採用的編碼集。

例如：

# -*- coding:utf-8 -*-

print "hello world!"

或者

# coding=utf-8

print "hello world!"

完整的腳本文件頭：

#!/usr/bin/env python
# -*- coding:utf-8 -*-

coding……

下一篇：Windows中安裝Python2.7