2.编程环境和Python3库
2.1环境搭建
Anaconda官网https://www.anaconda.com/下载windows版本的安装包,直接安装即可。需要注意的是安装用户最好选择“Just me”;安装路径只能在C盘的用户下;在“Advanced Installation Options”中不要勾选“Add Anaconda to my PATH environment variable.”,因为其可能会影响其他程序的使用。
安装结束后,打开软件,在Jupyter Notebook下点击Launch,就可以在浏览器中打开Jupyter Notebook。点击new-Python3,就可以创建一个Notebook,其扩展名为ipynb。
使用Jupyter Notebook进行底层代码的编写,这不是一个很好的选择;因此我们使用vs code进行底层库的编写。为了能调用Machine Learing中常用的第三方库,需要使用pip下载。
在vs code的终端,进入Python\Scripts文件夹,使用命令./pip install --index https://pypi.mirrors.ustc.edu.cn/simple/ pandas来下载pandas库。除了pandas外,还需要下载numpy、requests、matplotlib、sklearn等第三方库。在下载时,可能由于国内线路不通的缘故,需要使用国内镜像,在--index后就是国内镜像的地址。
2.2使用Jupyter Notebook
2.2.1快捷键
Shift-Enter: 运行代码块, 选择下面的代码块
Ctrl-Enter: 运行选中的代码块
Alt-Enter: 运行代码块并且插入下面
A: 在上面插入代码块
B: 在下面插入代码块
DD: 删除选中单元格
L: 切换行号
M: 把代码块变成标签(标签用于书写文档,若在文档前加#表示文档标题,加n个#表示n级标题,在#后必须空一格来书写标题,书写结束后需要重新运行)
Y: 把代码块变成代码
上图中,In[9]是因为前面使用8个代码块,但是被删除了;为了阅读的良好体验,点击Kernel->Restart & Run All就可以重新表位In[1]。
2.2.2魔法命令
(1)%run:加载脚本文件,可以用相对地址或绝对地址。
目录:
Machine Learing
|---project1
|---Script
hello.py
Untitled.ipynb
#程序2-1
#hello.py
def hello():
print('Machine Learing')
#Untitled.ipynb
In[]: %run Script/hello.py
In[]: hello()
Out[]:Machine Learing
(2)timeit:测试代码性能
用法:%timeit 一条语句;%%timeit 代码块。
In[]: %%timeit
l = []
for a in range(10000):
l.append(a)
Out[]:737 µs ± 28.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In[]: %timeit l = [x for x in range(10000)]
Out[]:355 µs ± 19.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
使用列表推导式明显比for循环效率高。