Python在机器学习中常用函数介绍

1、sorted函数

我们需要对List、Dict进行排序，Python提供了两个方法：
对给定的List进行排序，
方法1.用List的成员函数sort进行排序，在本地进行排序，不返回副本
方法2.用built-in函数sorted进行排序（从2.4开始），返回副本，原始输入不变

sorted(...)
    sorted(iterable, cmp=None, key=None, reverse=False) --> new sorted list

A. iterable

即迭代器，为可迭代类型，返回值是一个对iterable中元素进行排序后的列表(list)。Python的帮助文档中对iterable的解释是：iteralbe指的是能够一次返回它的一个成员的对象。iterable主要包括3类：

第一类是所有的序列类型，比如list(列表)、str(字符串)、tuple(元组)。

第二类是一些非序列类型，比如dict(字典)、file(文件)。

第三类是你定义的任何包含__iter__()或__getitem__()方法的类的对象。

B. cmp

可选参数。指定一个定制的比较函数，这个函数接收两个参数（iterable的元素），如果第一个参数小于第二个参数，返回一个负数；如果第一个参数等于第二个参数，返回零；如果第一个参数大于第二个参数，返回一个正数。默认值为None。

参数cmp不建议使用了，在python3.0被移除了，用参数key代替。 

C. key

可选参数。指定一个接收一个参数的函数，这个函数用于从每个List的每个元素中提取一个用于比较的关键字（属性或函数）。默认值为None。

D. reverse

可选参数。为一个布尔值，如果设置为True，列表元素将被倒序排列。

通常来说，key和reverse比一个等价的cmp函数处理速度要快。这是因为对于每个列表元素，cmp都会被调用多次，而key和reverse只被调用一次。

实例：

A. 基础排序

一个简单的升序排列很简单——只需要调用sorted()函数即可。 这个函数返回一个新的排序列表：

>>> sorted([5,2,3,1,4])
[1, 2, 3, 4, 5]

NOTE：也可以使用list的list.sort()方法。这个方法会修改原始的list（返回值为None）。通常这个方法不如sorted()方便——如果你不需要原始的list，list.sort()方法效率会稍微高一些。另一个区需要注意的在于list.sort()方法只为list定义，而sorted()函数可以接收任何的iterable。

>>> sorted({5: 'D', 3: 'B', 2: 'B', 1: 'E', 4: 'A'})
[1, 2, 3, 4, 5]

B. key使用

从Python2.4开始，list.sort()和sorted()方法都添加了一个key参数来说明一个函数，这个函数在做比较之前会对list中的每个元素进行调用。

>>> sorted("This is a test string from Andrew".split(), key=str.lower)
['a', 'Andrew', 'from', 'is', 'string', 'test', 'This']

key的值应该是一个函数，这个函数接收一个参数并且返回一个用于比较的关键字。这种技术比较快，原因在于对每个输入记录，这个函数只会被调用一次。

对复杂对象的比较通常是使用对象的切片作为关键字，例如：

>>> student_tuples = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
>>> sorted(student_tuples, key=lambda student: student[2])   # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]

C. Operator模块中的函数

上面的key function模式很常见，因此Python提供了方便的函数使得祖先函数更简单和快捷。

operator module有itemgetter,attrgetter，以及从Python2.6开始的methodcaller函数。

使用 itemgetter和attrgetter可以加速排序，实现类似key function的功能，但减少代码的写作难度：

<pre class="python" name="code">>>> from operator import itemgetter, attrgetter  
>>> sorted(student_tuples, key=itemgetter(2))

>>> [('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]  
>>> sorted(student_objects, key=attrgetter('age')) 

>>> [('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]

以上为按第三域排列。

operator模块支持多级排序。例如先按成绩排序，再按年龄排序：

>>> sorted(student_tuples, key=itemgetter(1,2)) 
>>> [('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]  
>>> sorted(student_objects, key=attrgetter('grade', 'age'))
>>> [('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]

D. 升序与降序

list.sort()和sorted()都接收一个reverse参数。它是用于降序排序的标志。例如，为了获得学生年龄的降序排序：

>>> sorted(student_tuples, key=itemgetter(2), reverse=True)
>>> [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]  
>>> sorted(student_objects, key=attrgetter('age'), reverse=True)
>>> [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]

E. 排序稳定性和复杂的排序 从Python2.2开始，排序都保证是稳定的。意思是当多个记录有相同的关键字时，它们原始的排序保留。

>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)] 
>>> sorted(data, key=itemgetter(0))
>>> [('blue', 1), ('blue', 2), ('red', 1), ('red', 2)]

注意到两个'blue'的记录保留了它们原始的顺序，因此('blue',1)保证在('blue',2)之前。  这个好的特性能让你建立复杂的排序。例如，将学生记录按成绩降序排序、按年两升序排列。先按年龄排序，再按成绩排序：

>>> s=sorted(student_object,key=attrgettter('age')) # sort on secondary key
 >>> sorted(s,key=attrgetter('grade'),reverse=True)
>>> [('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]