Python介绍

Python介绍

1、简介

Python是彻底面向对象的语言。函数、模块、数字、字符串都是对象。而且彻底支持继承、重载等，有益于加强源代码的复用性。Python相对于Lisp这种传统的函数式编程语言，Python对函数式设计只提供了有限的支持。

虽然Python可能被粗略地分类为“脚本语言”(script language)，但实际上一些大规模软件开发计划也普遍地使用它。Python的支持者较喜欢称它为一种高级动态编程语言，缘由是“脚本语言”泛指仅做简单程序设计任务的语言，如shellscript、VBScript等只能处理简单任务的编程语言，并不能与Python相提并论。

Python自己被设计为可扩充的，提供了丰富的API和工具，以便程序员可以轻松地使用C语言、C++、Cython来编写扩充模块。Python编译器自己也能够被集成到其它须要脚本语言的程序内。所以，不少人还把Python做为一种"胶水语言"(glue language)使用。使用Python将其余语言编写的程序进行集成和封装。

Python在执行时，首先会将.py文件中的源代码编译成Python的byte code(字节码)，而后再由Python Virtual Machine(Python虚拟机)来执行这些编译好的byte code。这种机制的基本思想跟Java，.NET是一致的。

除此以外，Python还能够以交互模式运行，好比主流操做系统Unix/Linux、Mac、Windows均可以直接在命令模式下直接运行Python交互环境。直接下达操做指令便可实现交互操做。

一、科学计算工具包

提及科学计算，你们首先想起的是Matlab，集数值计算，可视化工具及交互于一身，不过惋惜是一个商业产品。开源方面除了GNU Octave在尝试作一个相似Matlab的工具包外，Python的这几个工具包集合到一块儿也能够替代Matlab的相应功能：NumPy+SciPy+Matplotlib+iPython。同时，这几个工具包，特别是NumPy和SciPy，也是不少Python文本处理&机器学习&数据挖掘工具包的基础，很是重要。最后再推荐一个系列《用Python作科学计算》，将会涉及到NumPy。

1.Numpy

NumPy几乎是一个没法回避的科学计算工具包，最经常使用的也许是它的N维数组对象，其余还包括一些成熟的函数库，用于整合C/C++和Fortran代码的工具包，线性代数、傅里叶变换和随机数生成函数等。NumPy提供了两种基本的对象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray是存储单一数据类型的多维数组，而ufunc则是可以对数组进行处理的函数。

官方主页：http://www.numpy.org/

2.Scipy

“SciPy是一个开源的Python算法库和数学工具包，SciPy包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其余科学与工程中经常使用的计算。其功能与软件MATLAB、Scilab和GNU Octave相似。 Numpy和Scipy经常结合着使用，Python大多数机器学习库都依赖于这两个模块。”

—引用自“Python机器学习库”

官方主页：http://www.scipy.org/

3.Matplotlib

matplotlib 是python最著名的绘图库，它提供了一整套和matlab类似的命令API，十分适合交互式地进行制图。并且也能够方便地将它做为绘图控件，嵌入GUI应用程序中。Matplotlib能够配合ipython shell使用，提供不亚于Matlab的绘图体验，总之用过了都说好。

官方主页：http://matplotlib.org/

二、机器学习和数据挖掘工具包

机器学习和数据挖掘这两个概念不太好区分，这里就放到一块儿了。这方面的开源Python工具包有不少，这里先从熟悉的讲起，再补充其余来源的资料，也欢迎你们补充。

1.scikit-learn

首先推荐大名鼎鼎的scikit-learn，scikit-learn是一个基于NumPy, SciPy, Matplotlib的开源机器学习工具包，主要涵盖分类，回归和聚类算法，例如SVM， 逻辑回归，朴素贝叶斯，随机森林，k-means等算法，代码和文档都很是不错，在许多Python项目中都有应用。例如在咱们熟悉的NLTK中，分类器方面就有专门针对scikit-learn的接口，能够调用scikit-learn的分类算法以及训练数据来训练分类器模型。

官方主页：http://scikit-learn.org/

2.Pandas

Pandas也是基于NumPy和Matplotlib开发的，主要用于数据分析和数据可视化，它的数据结构DataFrame和R语言里的data.frame很像，特别是对于时间序列数据有本身的一套分析机制，很是不错。这里推荐一本书《Python for Data Analysis》，做者是Pandas的主力开发，依次介绍了iPython, NumPy, Pandas里的相关功能，数据可视化，数据清洗和加工，时间数据处理等，案例包括金融股票数据挖掘等，至关不错。

官方主页：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.

官方主页：http://mlpy.sourceforge.net/

4.PyBrain

PyBrain(Python-Based Reinforcement Learning, Artificial Intelligence and Neural Network)是Python的一个机器学习模块，它的目标是为机器学习任务提供灵活、易应、强大的机器学习算法。（这名字很霸气）

PyBrain正如其名，包括神经网络、强化学习(及两者结合)、无监督学习、进化算法。由于目前的许多问题须要处理连续态和行为空间，必须使用函数逼近(如神经网络)以应对高维数据。PyBrain以神经网络为核心，全部的训练方法都以神经网络为一个实例。

5.Theano

Theano 是一个 Python 库，用来定义、优化和模拟数学表达式计算，用于高效的解决多维数组的计算问题。Theano的特色：紧密集成Numpy；高效的数据密集型GPU计算；高效的符号微分运算；高速和稳定的优化；动态生成c代码；普遍的单元测试和自我验证。自2007年以来，Theano已被普遍应用于科学运算。theano使得构建深度学习模型更加容易，能够快速实现多种模型。

6.Pylearn2

Pylearn2创建在theano上，部分依赖scikit-learn上，目前Pylearn2正处于开发中，将能够处理向量、图像、视频等数据，提供MLP、RBM、SDA等深度学习模型。

2、安装

参见：Windows中安装Python2.7、Windows中安装Python3.7

如今，Linux中通常都内置了Python2.x

3、运行方式

一、shell

在cmd窗口中输入python进入命令行模式，在其中以交互式方式执行。

以下图：

二、shell方式调用py文件

在文件中编写Python脚本文件后缀为.py。进入该文件所在目录直接执行python xxx.py。

三、IDE模式

可使用IDE进行运行和编写，经常使用的IDE包括：pycharm、pyDev for Eclipse，也可使用Anaconda。

四、Python脚本

BSD类的Unix系统中，Python脚本能够像shell脚本那样直接执行，只须要在脚本文件开头加一行命令便可，用于指定文件和模式，代码以下：

#!/usr/bin/env python

coding……

执行脚本以前，须要给脚本指定执行模式和权限，命令以下：

chmod 775 xxx.py

chmod +x xxx.py

以上两种方式都可。

Windows中没有这种方式，直接双击文件运行便可。

五、Python编码

Python默认读取py文件时采用的编码格式是ASCII格式，若是文件不是该格式极可能出现乱码问题形成异常。

解决方法：

只要在文件开头加入# -*- coding:UTF-8 -*- 或者 #coding=utf-8来通知Python解释器在读取文件时采用的编码集。

例如：

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

print "hello world!"

或者

# coding=utf-8

print "hello world!"

完整的脚本文件头：

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

coding……

下一篇：Windows中安装Python2.7