Question

限于篇幅，本书不可能详细地讲解Python的使用，而只能是针对本书涉及的数据挖掘案例所用到的代码进行基本讲解。如果读者是初步接触Python，并且用Python的目的就是数据挖掘，那么相信本节的介绍对你来说是比较充足的。如果读者需要进一步了解Python，或者需要运行更加复杂的任务，那么本书是不够的（例如，本书没有谈及到面向对象编程），请读者自行阅读相应的Python教程。

2.2.1　运行方式

本节示例代码使用的是Python 2.7。运行Python代码有两种方式，一种方式是启动Python，然后在命令窗口下直接输入相应的命令；另外一种就是将完整的代码写成.py脚本，如hello.py，然后通过python hello.py执行，如下所示。

# hello.py print 'Hello World!'

执行结果如图2-4所示。

图2-4　Hello.py

在编写脚本的时候，可以添加适当的注释。在每一行中，可以用井号“#”来添加注释，例如：

a = 2 + 3 #这句命令的意思是将2+3的结果赋值给a

如果注释有多行，可以在两个“'''”之间（3个英文的单引号）添加注释内容。

a = 2 + 3
'''这里是Python的多行注释。这里是Python的多行注释。
'''

如果脚本中带有中文（中文注释或者中文字符串，中文字符串要在前面加u），那么需要在文件头注明编码，并且还要将脚本保存为UTF-8编码格式。

# -*- coding: utf-8 -*
print u'世界，你好！'

2.2.2　基本命令

（1）基本运算

认识Python的第一步，是可以把它当做一个方便的计算器来看待。读者可以打开Python，试着输入以下命令。

a = 2 a * 2 a ** 2

以上是Python几个基本的运算，第一个是赋值运算，第二是乘法，最后是一个是幂（即a2），这些基本上是编程语言通用的。不过Python支持多重赋值。

a, b, c = 2, 3, 4

这句命令相当于

a = 2 b = 3 c = 4

Python支持对字符串的灵活操作，如：

s = 'I like python'
s + ' very much' #将s与' very much'拼接，得到'I like python very much'
s.split(' ') #将s以空格分割，得到列表['I', 'like', 'python']

（2）判断与循环

显然判断和循环是所有编程语言的基本命令，Python的判断语句如下。

if 条件1:
     语句2
elif 条件3:
     语句4
else:
     语句5

需要特别指出的是，Python一般不用花括号{}，也没有end语句，它是用缩进对齐作为语句的层次标记。同一层次的缩进量要一一对应，否则报错，如下面的语句是错误的。

if a==1:
   print a #缩进两个空格
else:
     print u'a不等于1' #缩进三个空格

不管是哪种语言，正确的缩进都是一个优雅的编程习惯。

Python的循环也相应地有for循环和while循环，while循环如下。

s,k = 0
while k < 101: #该循环过程就是求1+2+3+...+100
  k = k + 1
  s = s + k
print s

for循环如下。

s = 0
for k in range(101): #该循环过程也是求1+2+3+...+100
  s = s + k
print s

这里，我们看到了in和range语法，in是一个非常方便、而且非常直观的语法，用来判断一个元素是否在列表/元组中，range用来生成连续的序列，一般语法为range（a，b，c），表示以a为首项、c为公差且不超过b-1的等差数列，例如，

s = 0
if s in range(4):
    print u's在0, 1, 2, 3中'
if s not in range(1, 4, 1):
    print u's不在1, 2, 3中'

（3）函数

Python用def来自定义函数。

def add2(x):
  return x+2
print add2(1) #输出结果为3

这很普通，没什么特别的，但是与一般编程语言不同的是，Python的函数返回值可以是各种形式，比如返回列表，甚至返回多个值。

def add2(x = 0, y = 0): #定义函数，同时定义参数的默认值
  return [x+2, y+2] #返回值是一个列表
def add3(x, y):
  return x+3, y+3 #双重返回
a, b = add3(1,2) #此时a=4,b=5

有时候，像定义add2（）这类简单的函数，用def来正式地写个命名、计算和返回显得有点麻烦了，Python支持用lambda对简单的功能定义“行内函数”，这有点像Matlab中的“匿名函数”，如下。

f = lambda x : x + 2 #定义函数f(x)=x+2
g = lambda x, y: x + y #定义函数g(x,y)=x+y

2.2.3　数据结构

Python有4个内建的数据结构——List（列表）、Tuple（元组）、Dictionary（字典）以及Set（集合），它们可以统称为容器（container），因为它们实际上是一些“东西”组合而成的结构，而这些“东西”，可以是数字、字符甚至是列表，或者是它们之间几种的组合。通俗地讲，容器里是什么都行，而且容器里的元素类型不要求相同。

（1）列表/元组

列表和元组都是序列结构，它们本身很相似，但又有一点不同的地方。

从外形上看，列表与元组的区别是，列表是用方括号标记的，如a＝[1，2，3]，而元组是用圆括号标记的，如b＝（4，5，6），访问列表和元组中的元素的方式都是一样的，如a[0]等于1，b[2]等于6等。上面已经谈及，容器里是什么都行，因此，下面的定义也是成立的。

c = [1, 'abc', [1, 2]]
'''
c是一个列表，列表的第一个元素是整型1，第二个是字符串'abc'，第三个是列表[1, 2]
'''

从功能上看，列表与元组的区别是，列表可以被修改，而元组不可以。比如，对于a＝[1，2，3]，那么语句a[0]＝0，就会将列表a修改为[0，2，3]，而对于元组b＝（4，5，6），语句b[0]＝1就会报错。要注意的是，如果已经有了一个列表a，同时想复制a，命名为变量b，那么b＝a是无效的，这时候b仅仅是a的别名（或者说引用），修改b也会修改a的。正确的复制方法应该是b＝a[：]。

与列表有关的函数是list，与元组有关的函数是tuple，它们的用法和功能几乎一样，都是将某个对象转换为列表/元组，如list（'ab'）的结果是['a'，'b']，tuple（[1，2]）的结果是（1，2）。表2-1是一些常见的与列表/元组相关的函数。

表2-1　列表/元组相关的函数

此外，作为对象，列表本身自带了很多实用的方法（元组不允许修改，因此方法很少），见表2-2。

表2-2　列表相关的方法

最后，不能不提的是“列表解析”这一功能，它能够简化我们对列表内元素逐一进行操作的代码，如下面的代码

a = [1, 2, 3] b = [] for i in a: b.append(i + 2)

可以简化到

a = [1, 2, 3] b = [i+2 for i in a]

这样的语法不仅方便，而且直观！充分体现了Python语法的人性化。在本书中，我们将会比较多地用到这样简洁的代码。

（2）字典

Python引入了“自编”这一方便的概念。从数学上来讲，它实际上是一个映射。通俗来讲，它也相当于一个列表，然而它的“下标”不再是以0开头的数字，而是让自己定义的“键”（Key）开始。

创建一个字典的基本方法为：

d = {'today':20, 'tomorrow':30}

这里的'today'、'tomorrow'就是字典的键，它在整个字典中必须是唯一的，而20、30就是键对应的值，访问字典中元素的方法也很直观。

d['today'] #该值为20
d['tomorrow'] #该值为30

还有其他一些比较方便的方法来创建一个字典，如通过dict（）函数转换，或者通过dict.fromkeys来创建，如下。

dict([['today', 20], ['tomorrow', 30]]) #也相当于{'today':20, 'tomorrow':30}
dict.fromkeys(['today', 'tomorrow'], 20) #相当于{'today':20, 'tomorrow':20}

很多字典的函数和方法与列表是一样的，因此在这里就不再赘述了。

（3）集合

Python内置了集合这一数据结构，同数学上的集合概念基本上是一致的，它与列表的区别在于：1.它的元素是不重复的，而且是无序的；2.它不支持索引。一般我们通过花括号{}或者set（）函数来创建一个集合。

s = {1, 2, 2, 3} #注意2会自动去重，得到{1, 2, 3}
s = set([1, 2, 2, 3]) #同样，它将列表转换为集合，得到{1, 2, 3}

由于集合的特殊性（特别是无序性），因此集合有一些特别的运算。

a = t | s #t和s的并集
b = t & s #t和s的交集
c = t – s #求差集（项在t中，但不在s中）
d = t ^ s #对称差集（项在t或s中，但不会同时出现在二者中）

在本书中，集合并不常用，所以这里仅仅简单地介绍它，并不进行详细说明，如果读者想深入了解集合对象，请自行搜索相关教程。

（4）函数式编程

函数式编程（Functional Programming）或者函数程序设计，又称泛函编程，是一种编程范型，它将计算机运算视为数学上的函数计算，并且避免使用程序状态以及易变对象。简单来讲，函数式编程是一种“广播式”的编程，一般结合前面提到过的lambda定义函数，用于科学计算中，会显得特别简洁方便。

在Python中，函数式编程主要由几个函数的使用构成：lambda（）、map（）、reduce（）、filter（），lambda前面已经介绍过，主要用来自定义“行内函数”，所以现在我们逐一介绍后三个。

首先介绍map（）函数。假设有一个列表a＝[1，2，3]，要给列表中的每个元素都加2得到一个新列表，利用前面已经谈及过的“列表解析”，我们可以这样写：

b = [i+2 for i in a]

而利用map函数我们可以这样写：

b = map(lambda x: x+2, a)
b = list(b) #结果是[3, 4, 5]
'''在3.x需要b = list(b)这一步，在2.x不需要这步，原因是在3.x中，map函数仅仅是创建一个待运行的命
     令容器，只有其他函数调用它的时候才返回结果。
'''

也就是说，我们首先定义一个函数，然后再用map（）命令将函数逐一应用到（map）列表中的每个元素，最后返回一个数组。map（）命令也接受多参数的函数，如map（lambda x，y：x*y，a，b）表示将a、b两个列表的元素对应相乘，把结果返回给新列表。

也许有的读者会疑问，有了列表解析，为什么还要有map（）命令呢？其实列表解析虽然代码简短，但是本质上还是for命令，而Python的for命令效率并不高，而map（）函数实现了相同的功能，并且效率更高，原则上来说，它的循环命令速度相当于C语言。

接着是reduce（）函数。它有点像map（）函数，但map（）函数用于逐一遍历，而是reduce（）函数用于递归计算。先给出一个例子，这个例子可以算出n的阶乘：

reduce(lambda x,y: x*y, range(1, n+1))

（注：在2.x中，上述命令可以直接运行，在3.x中，reduce函数已经被移出了全局命名空间，它被置于fuctools库中，如需使用，则要通过from fuctools import reduce引入reduce）

其中，range（1，n+1）相当于给出了一个列表，元素是1~n这n个整数。lambda x，y：x*y构造了一个二元函数，返回两个参数的乘积。reduce命令首先将列表的前两个元素作为函数的参数进行运算，然后将运算结果与第三个数字作为函数的参数，然后再将运算结果与第四个数字作为函数的参数……依此递推，直到列表结束，返回最终结果。如果用循环命令，那就要写成：

s = 1 for i in range(1, n+1):s = s * i

最后是filter（）函数。顾名思义，它是一个过滤器，用来筛选出列表中符合条件的元素，例如，

b = filter(lambda x: x > 5 and x < 8, range(10))
b = list(b) #结果是[6, 7]，在3.x需要b = list(b)这一步，在2.x不需要这步，理由同map

使用filter（）函数首先需要一个返回值为bool型的函数，如上述的lambda x：x>5and x<8定义了一个函数，判断x是否大于5且小于8，然后将这个函数作用到range（10）的每个元素中，如果为True，则“挑出”那个元素，最后将满足条件的所有元素组成一个列表返回。

当然，上述filter语句，可以用列表解析写为：

b = [i for i in range(10) if i > 5 and i < 8]

它并不比filter语句复杂。但是要注意，我们使用map（）、reduce（）或filter（），最终目的是兼顾简洁和效率，因为map（）、reduce（）或filter（）的循环速度比Python内置的for或while循环要快得多。

2.2.4　库的导入与添加

上面我们已经讲述了Python基本平台的搭建和使用，然而在默认情况下它并不会将它所有的功能加载进来。我们需要把更多的库（或者叫作模块、包等）加载进来，甚至需要额外安装第三方的扩展库，以丰富Python的功能，实现我们的目的。

（1）库的导入

Python本身内置了很多强大的库，如数学相关的math库，可以为我们提供更加丰富复杂的数学运算：

import math
math.sin(1) #计算正弦
math.exp(1) #计算指数
math.pi #内置的圆周率常数

导入库的方法，除了使用“import库名”之外，还可以为库起一个别名：

import math as m
m.sin(1) #计算正弦

此外，如果并不需要导入库中的所有函数，可以特别指定导入函数的名字：

from math import exp as e #只导入math库中的exp函数，并起别名e
e(1) #计算指数
sin(1) #此时sin(1)和math.sin(1)都会出错，因为没被导入

直接地导入库中的所有函数：

from math import * #直接的导入，也就是去掉math.，但如果大量地这样引入第三库，就容易引起命名冲突。
exp(1)
sin(1)

我们可以通过help（'modules'）命令来获得已经安装的所有模块名。

（2）导入future特征（For 2.x）

Python 2.x与3.x之间的差别不仅仅在内核上，也表现在代码的实现中。比如，在2.x中，print是作为一个语句出现的，用法为print a；但是在3.x中，它是作为函数出现的，用法为print（a）。为了保证兼容性，本书的基本代数是使用3.x的语法编写的，而使用2.x的读者，可以通过引入future特征的方式兼容代码，如，

#将print变成函数形式，即用print(a)格式输出
from __future__ import print_function
#3.x的3/2=1.5，3//2才等于1；2.x中3/2=1
from __future__ import division

（3）添加第三方库

Python自带了很多库，但不一定可以满足我们的需求。就数据分析和数据挖掘而言，还需要添加一些第三方的库来拓展它的功能。这里简单介绍一下第三方库的安装，以安装数据分析工具Pandas为例。

安装第三方库一般有以下几种思路，见表2-3。

表2-3　常见的安装第三方库的方法

这些安装方式将在2.3节中实际展示。