Python 机器学习基础（一）——Python

本文是 Python 机器学习基础系列文章的第一篇——Python 篇。

Python

任何一门编程语言，入门学习的基础知识包括：数据类型、控制流、函数、模块化、类，以及一些常用的零碎语法。Python 亦不例外。

数据类型

基本数据类型

包括布尔型（bool）、整型（int）、长整型（long）、浮点型（float）、复数（complex）五种。

• 内置常量：False, True, None, NotImplemented, Ellipsis, __debug__

• 布尔型（bool）：只有两个值 True 和 False，每个 Python 对象都天生具有布尔值，None, False, 0, 0L, 0.0, 0.0+0.0j, '', [], (), {} 值为 False，自定义类在方法 __nonzero__() 或 __len__() 中返回布尔值，此外其他对象的布尔值都为 True，在数值运算中 True 和 False 值为 1 和 0，布尔操作包括 and, or, not, !=, is, is not

• 整型（int）：等价于 C 语言中的 long 类型，与系统能表示的最大整型一致，包括十进制、八进制（数字 0 开头）、十六进制（0x 或 0X 开头），可通过 bin, oct, hex 转换进制，可进行 /, //, ** 等运算

• 长整型（long）：是整型的超集，可以表示无限大的整数，在整数后加 L 或 l 来表示如 a = 999 ** 8, pow(2L, 5L) 等

• 浮点型（float）：等价于 C 中的 double，其精度信息和内部表示可以从 sys.float_info 中获得，可以用十进制或科学计数法（1e-2 等）表示

• 复数（complex）：c = 08.333-1.47j, c.real, c.imag, c.conjugate(), abs(c)

容器

容器是数据的集合。Python 的容器，除字符串（string）外，主要包括四种：元组（tuple），列表（list），字典（dict）和集合（set）。其中，字典和集合是无序容器，而元组、列表和字符串都是有序容器，支持索引（index）和切片（slicing）操作。此外，字符串、元组和集合是不可变容器，而列表和字典是可变容器。不可变容器通常比可变容器（如 list）更为高效。

下面介绍这五种容器：

• 字符串（str）：使用单引号（'hello'）、双引号（"hello"）或三引号（'''hello'''）定义。三引号可定义多行字符串。包含 startswith 等方法。

• 元组（tuple）：圆括号与逗号分隔定义（也可以不带括号），如 t = (0, "two", 3.0, "four", (5,6))。必须在定义时初始化且内容和长度不可变。0 个元素的元组这么定义 a = ()，1 个元素的元组这么定义 a = (2 ,)，元素可以是不同类型。tuple 也常用来打包一组变量如 t = (i, s, f), ii, ss, ff = t。print 函数 % 后的部分其实就是元组，如 print '%s is %d years old' % (name, age)。

• 列表（list）：方括号与逗号分隔定义，如 l = [1, (2,3), "hello"]。也可以通过 list 函数来构造，此时需要传入一个元组或字符串，如 l = list((1,2,3)), a = list("hello")。list 与 tuple 的区别在于其内容和长短可变，通过 append 来添加元素，通过 del 命令删除，如 del l[0]。list 包含 append, sort, pop, count, reverse 等成员函数。

• 字典（dict）：花括号与逗号分隔来定义，如 d = { 'name': 'John', 'age': 18, 'feat': (1,3,'tall')}，每个字典项用冒号隔开 key 与 value。可用索引操作符 [] 来寻址一个键，或者对其赋值，也可用 del d['key'] 将某项删除。

• 集合（set）：集合是无序不重复元素集，通过 set() 函数来定义，传入一个字符串、元组、列表或字典，如 s = set([1, 2, "hello"])，传入字符串时构建不重复字符集合，传入字典时默认用 keys 构建集合。集合支持并集（|）、交集（&）、差集（-）、对称差集（^）运算符，包含 add, update, remove, issubset, isuperset, copy, clear 等子函数。

索引与切片

• 索引（index）：序列容器（tuple, list, string, unicoe, frozenset）都可以通过索引操作符 [] 来存取元素。索引从 0 开始，也可以是负数，表示倒数第几个元素。如 t[0], t[-1], t[-2] 分别表示第一个、最后一个与倒数第二个元素。

• 切片（slice）：切片是同时取容器内某个索引范围的多个元素。形式为 t[start:end:step]，注意 end 是 结束位置索引 + 1，如 t[0:-3:2]。可以省略三个值里的一个或多个，如 a[2:7], l[0::2], t[:-1] 等。

• 连接：序列容器（string, tuple, list）的加法（+）表示序列的连接而非容器求和。如 a = (1, 2, 3) + (4, 5, 6) 则