Python学习笔记（五）

这段是机器学习实战中第十二章的代码：

#key=lambdap:p[1] 是匿名函数用来作为排序的依据，就是对localD.items()所返回的
#键值对{元素–出现次数}作为p，而p[1]就是出现次数，那么就是对出现次数进行排序，
#reverse=True就是按照降序排列
#[v[0] for v in sorted()] 是指取出sorted()所返回的序列中的每一个元素的索引为0的部分来组成一个列表，
#那么就是取出排完序之后的元素部分来组成列表。
ordered_items = [v[0] for v in sorted(local_dataset.items(), key=lambda p: p[1], reverse=True)]

有点顶，接触这些函数嵌套的。( •̀ ω •́ )✧

函数返回值：
初学者只需要记住函数要有返回值即可。
我记得C语言函数要有返回值，这样就能判断函数是否正常执行了。看代码的时候突然想起来了，所以搜了一下，Python好像也有这个要求。

这段是机器学习实战中第十三章的代码：

# argsort()函数是对数组中的元素进行从小到大排序，并返回相应序列元素的数组下标。
 eigValInd = argsort(eigVals)
 #注意这里的写法，实际上是从倒数第一个(也就是最大的)往左总计N个值           
 eigValInd = eigValInd[:-(topNfeat+1):-1]
 #得出经过筛选的特征向量,由最大到最小排列
 redEigVects = eigVects[:,eigValInd]

redEigVects = eigVects[:,eigValInd]这个用法有点看不懂
明白了，大致上是：取出eigvects中的第eigValInd[0]列，第eigValInd[1]列，直到eigValInd值取完。(✪ω✪)！！！

#np.isnan()函数判断一个数组各个元素是否为nan，并返回相同维度对应的bool数组
#nonzero()函数返回数组中不为False(0)的元素对应的索引
meanVal = mean(datMat[nonzero(~isnan(datMat[:,i].A))[0],i])
#将值为NaN的替换为平均值
datMat[nonzero(isnan(datMat[:,i].A))[0],i] = meanVal  

meanVal = mean(datMat[nonzero(~isnan(datMat[:,i].A))[0],i])
这代码有点漂亮，一环套一环。nice！！(≖ᴗ≖)✧、

为什么是错的？
数据结构哪里理解的有问题吗？？
问题很简单，不能直接赋值。使用append就OK了。就这么简单。 o(*≧▽≦)ツ┏━┓

函数定义的时候，如果第一个参数使用了关键字绑定，后面的参数也必须使用关键字绑定！

# 找出已评分物品那一列、和未评分物品这一列中，都被评过分的行号
 nonzero(logical_and(dataMat[:,item].A>0, dataMat[:,j].A>0))[0]

logical_and 是逻辑与。
nonzero（a）函数一般返回两行array（）。如果mat（）一下，就是个2*N 的矩阵。N 表示的是矩阵a中不为0的元素个数

eyes()输出对角矩阵