Python Tutorial

Python Tutorial

---

这一章讲了Python的基本语法，从最最开始来讲到数据挖掘所需要的Python知识，可见Joel Grus的良苦用心，在这里最基本的语法就忽略掉了，从稍微有点奇妙的地方开始入手。

方法

在python中，定义方法使用def关键字。

def double(x):
    return x*2

在Python中，方法可以当做变量来使用，如下：

def apply_to_one(f):
    return f(1)
my_double = double  
print apply_to_one(double) # 值为2

当然了，也可以使用匿名函数，使用lambda关键字

apply_to_one(lambda x:x+4) # 返回5

方法也可以被给出默认值：

def my_print(message='hello'):
    print message

my_print(message = '12345') #打印出12345
my_print()                  #打印出hello

当然了，也可以指定参数赋值。

def subtract(a=0, b=0):
    return a - b

print subtract(10, 5)  # 5
print subtract(0,5)    # -5
print subtract(b=5)    # -5

字符串

字符串可以使用单引号，也可以使用双引号。Python语法中也有转义字符：

tab_string = "\t"
print len(tab_string)  # 值为1

当然了，如果我们不想用转义字符，我们可以使用r""来定义原始字符串。

not_tab_string = r"\t"
print len(not_tab_string)  #值为2

如果有多行字符串，我们使用triple-quotes。

s = """sssss
       afadsfasdfasd
       dsfasdfasd"""

异常

Python有异常机制：

try:
    print 0/0
except ZeroDivisionError:
    print "ZeroDivisionError"

列表操作

Python列表有操作检测成员

1 in [1,2,3]  # True
4 in [1,2,3]  # False

列表可以很简单扩展：

x = [1,2,3]
x.extend([4,5,6])
print x      # [1,2,3,4,5,6]

如果你不想改变x的值，可以这样：

x = [1,2,3]
y = x + [4,5,6]

有时候，我们不需要某些值，直接可以这样：

_, y = [1,2] # _就是我们不需要关心的值

元组

元组与列表不同之处在于元组元素不可以被改变,在Python中很容易进行变量交换。

x, y = 1,2
x, y = y,x

字典

字典是特别重要的一种数据结构。

empty_dict = {} #很好的做法
empty_dict2 = dict() #不太好的做法
grades = {'Joel':80,'Tim':95}

字典中直接通过键来得到对应的值。字典有一个方法当你没有找到键的时候，就会返回一个默认值。

joel_grade = grades.get('Joel',0) # 80
kate_grade = grades.get('kate',0) # 0

我们经常使用字典来作为一个结构数据：

tweet={
    'user':'qwert',
    'text':'adgfdag',
    'sfdsd':['123','345','456']
}

print tweet.keys() #获取键
print tweet.values() #获取值
print tweet.items() #获取键值对

如果判断一个键是否在里面：

'user' in tweet

defaultdict

想象一下，你要统计一篇文档中单词的个数，很明显的做法就是建立一个字典，键为单词，值为个数。

document = 'I love my mom I love father haea I hava'
document = document.split(' ')
word_counts = {}
for word in document:
    if word in word_counts:
        word_counts[word] += 1
    else:
        word_counts[word] = 1

当然我们可以这样：

word_counts ={}
for word in document:
    try:
        word_counts[word] += 1
    except KeyError:
        word_counts[word] = 1

还可以这样：

word_counts ={}
for word in document:
    previous_count = word_counts.get(word,0)
    word_counts[word] = previous_count+1

Counter

在数值计算中，计数很常用。

from collections import Counter

c = Counter([0,1,2,0])
print c.items() # 返回[(0, 2), (1, 1), (2, 1)]

这样就很容易使用此方法来统计单词的个数了

c = Counter(document)

输出：

c = Counter(document)
for word,count in c.items():
    print word,count

集合

集合一个最重要的特性就是没有重复元素。

s = set()
s.add(1) 1
s.add(2) 2
s.add(2) 2

当判断一个元素是否在一个集合里面，最好使用set。

slist = ['a','an','ann','e']
print 'an' in slist # 这是对的，但需要检查每一个元素

s = set(slist)

print 'an' in s  # 更加快

控制流程图

我们一般使用if else来作为控制语句。更一般的，我们可以使用：

p = 'even' if x%2==0 else 'odd'

有点高级的用法

排序

x = [4,1,2,3]   
y = sorted(x) # [1,2,3,4] 但是x没有改变
x.sort()  # x改变了

一般的，sort采用从小到大排序，如果你想从大到小排序，指定reverse=True就可以了。还可以自定义排序。

x = sorted([-4,1,-2,3],key=abs,reverse=True) #[-4,3,-2,1] 根据绝对值的大小来排序。

wc = sorted(word_counts.items(), key=lambda (word,count):count,reverse=True) # 指定根据计数的大小排序。

列表生成式

在列表操作中，有通过生成式来得到列表：

even_numbers = [x for x in range(5) if x%2==0] #[0,2,4]
squares = [x*x for x in range(5)] # [0,1,4,9,16]
even_squares = [x*x for x in even_numbers] #[0,4,16]

也可以将列表改成字典：

squares_dict = {x:x*x for x in range(5)}

如果不关心里面的值，可以这样：

zeros = [0 for _ in even_numbers]

当然了，也可以使用多个for。

pairs = [(x,y) for x in range(10) for y in range(10)]

迭代器

列表操作是特别耗内存的，有时候还会超出内存。这时候我们使用迭代器，使用关键字yield。

def lazy_range(n):
    i = 0
    while i < n:
        yield i
        i += 1
for i in lazy_range(5):
    print i

随机数

import random
four_uniform_randoms = [random.random() for _ in range(4)]

还可以生成定义区域空间内的随机数

random.randrange(10)
random.randrange(1,4)

可以打乱数字的位置：

up_to_ten = range(10)
random.shuffle(up_to_ten) #[5, 1, 2, 4, 3, 8, 7, 9, 6, 0]

如果你想在一个列表中随机选择一个元素，可以使用random.choice。

my_best_friend = random.choice(['Alice','Tom','Charlie'])

如果你想选择一批不重复的数据，可以使用random.sample。

lottery_numbers = range(50)

winning_numbers = random.sample(lottery_numbers,6) #[47, 0, 34, 27, 25, 37]

如果可以选择可以重复的数据，可以使用random.choice。

for_with_replacement = [random.choice(range(10)) for _ in range(4)]

正则表达式

import re

print not re.match("a","cat")  #True
print re.search("a","cat")     #True
print not re.search("c",'dog')  #True
print re.split("[ab]","carbs") #3
print re.sub("[0-9]","-","R2D2") #R-D-

面向对象编程

这本书中，为了说明面向对象的思想，做了一个set集合的类，也算是帮助我们掌握面向对象思想吧。首先，集合可以添加元素，删除元素，判断一个元素是否在集合里面，并完成方法。

class Set(object):
    """docstring for Set"""
    def __init__(self, values=None):
        self.dict = {}
        if values is not None:
            for value in values:
                self.add(value)

    def __repr__(self):
        return "Set:"+str(self.dict.keys())

    def add(self, value):
        self.dict[value] = True

    def contains(self, value):
        return value in self.dict

    def remove(self, value):
        del self.dict[value]

s = Set([1,2,3])
print s  #Set:[1, 2, 3]
s.add(4) 
print s.contains(4) #True
s.remove(3)
print s.contains(3) #False

函数功能

python中的函数有很多功能,有map，reduce和filter.

def double(x):
    return 2 * x

xs = [1,2,3,4]
twice_xs = [double(x) for x in xs]  #[1,4,9,16]
twice_xs = map(double, xs) #同上

如果提供多个参数，也可以：

def multiply(x,y): return x * y

products = map(multiply, [1,2],[3,4])
print products  #[3,8]

使用filter过滤：

def is_even(x): return x%2==0
x = range(10)
print filter(is_even, x)

还有：reduce

x_product = reduce(multiply,xs)  #返回 1*2*3*4 = 24

在对列表进行遍历的时候，不要忘了enumerate.可以同时得到下标和值。

s = [1,3,4,5]
for i,v in enumerate(s):
    print i,v

zip操作和参数解析

list1 = ['a','b','c']
list2 = [1,2,3]   
zip(list1,list2) #[('a', 1), ('b', 2), ('c', 3)]

也可以解析：

pairs = [('a', 1), ('b', 2), ('c', 3)]
letters, numbers = zip(*pairs)

高级函数

def doubler(f):
    def g(x):
        return 2 * f(x)
    return g

def f1(x):
    return x+1
g = doubler(f1)
print g(3) # 8

还有一些参数表达式。

def magic(*args, **kwargs):
    print args
    print kwargs

magic(1,2,key="word",key2='word2')  #(1, 2)
                                     {'key2': 'word2', 'key': 'word'}

这里，args是一个元组类型，kwargs是一个字典数据类型。

def other_way_magic(x,y,z):
    print x+y+z

x_y_list = [1,2]
z_dict = {'z':3}

other_way_magic(*x_y_list,**z_dict)

一个星号解析列表，2个星号解析字典。

到这里，这本书的Python基本语法介绍完了。