Python Real World Data Science [Digest 1]

此系列更新《Python Real World Data Science》的阅读摘记，每周六更新。

全书介绍Python在数据科学领域中的应用，分为四模块：

• Python 基础
• 数据分析
• 数据挖掘
• 机器学习

本文为系列第一篇，介绍python基础。

Module 1 Python Fundamentals

Chapter 1 Introduction and First Steps

简单来说，编程就是使用计算机可以理解的语言让它做某件事情。类似我们日常生活中做事情的流程：估计是否满足条件，决定采取哪些动作，执行任务，重复某些动作，在某个点停止（完成或意外），清理现场。

编程时，需要将真实世界中的对象使用计算机世界中的对象Object表达,Object的两个特征

• 属性Properties
• 方法Methods

Python 将数据抽象为对象Objects，Python程序中的数据均由Objects或Objects之间的联系表达。Objects分为mutable和immutable，Objects有自己的名字。

Python优点

• 可移植性
• 一致性
• 开发效率
• 扩展库
• 软件质量
• 软件集成

Python缺点

• 慢，python编译生成pyc，再由解释器运行pyc；而不是直接编译成机器级别

Python环境安装

• Google is your friend

Python代码运行方式

• 脚本
• 交互式Shell
• 服务
• GUI应用

Python代码组织方式

• 非脚本类的代码需要分成多个文件
• Package = 文件夹 + __init__.py
• Modules
• Functions
• Library

原则：不在不同地方重复一个逻辑，Do not repeat yourself !

• 如果逻辑存在漏洞，需要在各个地方都修改
• 如果需要修正，也要在各个地方修改
• 代码太长！

Python's Execution Model

• names:用于代码中提取数据（Binding机制）
• namespace：names和objects之间的映射
• scope：直接可访问namespace的文本区域（缩进控制），按照以下次序搜索name，如果都没找到则报告NameError
  • local scope
  • enclosing scope
  • global scope
  • built-in scope

如何写出漂亮代码

• PEP8 Guideline

Zen of Python

Tim Peter