導讀：本文對Python的基本使用做一個簡單的介紹。限於篇幅，本文不可能詳細講解Python的使用，只是針對本書涉及的數據挖掘案例所用到的代碼進行基本講解。如果讀者是初步接觸Python，並且使用Python的目的就是數據挖掘，那麼相信本文的介紹對你來說是比較充足的了。
作者：張良均 譚立雲 劉名軍 江建明
01 運行方式
本文示例代碼使用的Python版本為Python 3.6。運行Python代碼有兩種方式：
- 一種方式是啟動Python，然後在命令窗口下直接輸入相應的命令；
- 另一種方式就是將完整的代碼寫成.py腳本，如hello.py，然後在對應的路徑下通過python hello.py執行。
hello.py腳本中的代碼如下：
<code># hello.py
print('Hello World!')/<code>
腳本的執行結果如圖所示。
▲Hello.py腳本執行結果
在編寫腳本的時候，可以添加適當的註釋。在每一行中，可以用井號“#”來添加註釋，添加單行註釋的方法如下：
<code>a = 2 + 3 # 這句命令的意思是將2+3的結果賦值給a/<code>
如果註釋有多行，可以在兩個“'''”（三個英文狀態單引號）之間添加註釋內容，添加多行註釋的方法如下：
<code>a = 2 + 3
'''
這裡是Python的多行註釋。
這裡是Python的多行註釋。
'''/<code>
如果腳本中帶有中文（中文註釋或者中文字符串，中文字符串要在前面加u），那麼需要在文件頭註明編碼，並且還要將腳本保存為utf-8編碼格式，註明編碼的方法如下：
02 基本命令
1. 基本運算
初步認識Python時，可以把它當作一個方便的計算器來看待。讀者可以打開Python，試著輸入代碼清單1所示的命令。
- 代碼清單1：Python基本運算
<code>a = 2
a * 2
a ** 2/<code>
代碼清單1所示的命令是Python幾個基本運算，第一個命令是賦值運算，第二個命令是乘法運算，最後一個命令是冪運算（即a2），這些基本上是所有編程語言通用的。不過Python支持多重賦值，方法如下：
<code>a, b, c = 2, 3, 4/<code>
這句多重賦值命令相當於如下命令：
<code>a = 2
b = 3
c = 4/<code>
Python支持對字符串的靈活操作，如代碼清單2所示。
- 代碼清單2：Python字符串操作
<code>s = 'I like python'
s + ' very much' # 將s與' very much'拼接，得到'I like python very much'
s.split(' ') # 將s以空格分割，得到列表['I', 'like', 'python']/<code>
2. 判斷與循環
判斷和循環是所有編程語言的基本命令，Python的判斷語句格式如下：
<code>if 條件1:
語句2
elif 條件3:
語句4
else:
語句5/<code>
需要特別指出的是，Python一般不用花括號{}，也沒有end語句，它用縮進對齊作為語句的層次標記。同一層次的縮進量要一一對應，否則會報錯。下面是一個錯誤的縮進示例，如代碼清單3所示。
- 代碼清單3：錯誤的縮進
<code>if a==1:
print(a)# 縮進兩個空格
else:
print('a不等於1')# 縮進三個空格/<code>
不管是哪種語言，正確的縮進都是一個優雅的編程習慣。
相應地，Python的循環有while循環和for循環，while循環如代碼清單4所示。
- 代碼清單4：while循環
<code>s,k = 0,0
while k k = k + 1
s = s + k
print(s)/<code>
for循環如代碼清單5所示。
- 代碼清單5：for循環
<code>s = 0
for k in range(101): # 該循環過程也是求1+2+3+...+100
s = s + k
print(s)/<code>
這裡我們看到了in和range語法。in是一個非常方便而且非常直觀的語法，用來判斷一個元素是否在列表/元組中；range用來生成連續的序列，一般語法為range(a, b, c)，表示以a為首項、c為公差且不超過b-1的等差數列，如代碼清單6所示。
- 代碼清單6：使用range生成等差數列
<code>s = 0
if s in range(4):
print('s在0, 1, 2, 3中')
if s not in range(1, 4, 1):
print('s不在1, 2, 3中')/<code>
3. 函數
Python用def來自定義函數，如代碼清單7所示。
- 代碼清單7：自定義函數
<code>def add2(x):
return x+2
print(add2(1)) # 輸出結果為3/<code>
與一般編程語言不同的是，Python的函數返回值可以是各種形式，可以返回列表，甚至返回多個值，如代碼清單8所示。
- 代碼清單8：返回列表和返回多個值的自定義函數
<code>def add2(x = 0, y = 0): # 定義函數，同時定義參數的默認值
return [x+2, y+2] # 返回值是一個列表
def add3(x, y):
return x+3, y+3 # 雙重返回
a, b = add3(1,2) # 此時a=4,b=5/<code>
有時候，像定義add2()這類簡單的函數，用def來正式地寫個命名、計算和返回顯得稍有點麻煩，Python支持用lambda對簡單的功能定義“行內函數”，這有點像MATLAB中的“匿名函數”，如代碼清單9所示。
- 代碼清單9：使用lambda定義函數
<code>f = lambda x : x + 2 # 定義函數f(x)=x+2
g = lambda x, y: x + y # 定義函數g(x,y)=x+y/<code>
03 數據結構
Python有4個內建的數據結構—List（列表）、Tuple（元組）、Dictionary（字典）以及Set（集合），它們可以統稱為容器（Container），因為它們實際上是一些“東西”組合而成的結構，而這些“東西”可以是數字、字符、列表或者是它們之間幾種的組合。
通俗來說，容器裡邊是什麼都行，而且容器裡邊的元素類型不要求相同。
1. 列表/元組
列表和元組都是序列結構，它們本身很相似，但又有一些不同的地方。
從外形上看，列表與元組存在一些區別是。列表是用方括號標記的，如a = [1, 2, 3]，而元組是用圓括號標記的，如b = (4, 5, 6)，訪問列表和元組中的元素的方式都是一樣的，如a[0]等於1，b[2]等於6，等等。剛剛已經談到，容器裡邊是什麼都行，因此，以下定義也是成立的：
<code>c = [1, 'abc', [1, 2]]
'''
c是一個列表，列表的第一個元素是整型1，第二個是字符串'abc'，第三個是列表[1, 2]
'''/<code>
從功能上看，列表與元組的區別在於：列表可以被修改，而元組不可以。比如，對於a = [1, 2, 3]，那麼語句a[0] = 0，就會將列表a修改為[0, 2, 3]，而對於元組b = (4, 5, 6)，語句b[0] = 1就會報錯。
要注意的是，如果已經有了一個列表a，同時想複製a，並命名為變量b，那麼b = a是無效的，這時候b僅僅是a的別名（或者說引用），修改b也會修改a。正確的複製方法應該是b = a[:]。
跟列表有關的函數是list，跟元組有關的函數是tuple，它們的用法和功能幾乎一樣，都是將某個對象轉換為列表/元組，如list('ab')的結果是['a', 'b']，tuple([1, 2])的結果是(1, 2)。一些常見的與列表/元組相關的函數如下所示。
- cmp(a, b)：比較兩個列表/元組的元素
- len(a)：列表/元組元素個數
- max(a)： 返回列表/元組元素最大值
- min(a)：返回列表/元組元素最小值
- sum(a)：將列表/元組中的元素求和
- sorted(a)：對列表的元素進行升序排序
此外，作為對象來說，列表本身自帶了很多實用的方法（元組不允許修改，因此方法很少），如下所示。
- a.append(1)：將1添加到列表a末尾
- a.count(1)：統計列表a中元素1出現的次數
- a.extend([1, 2])：將列表[1, 2]的內容追加到列表a的末尾
- a.index(1)：從列表a中找出第一個1的索引位置
- a.insert(2, 1)： 將1插入列表a中索引為2的位置
- a.pop(1)：移除列表a中索引為1的元素
最後，不能不提的是“列表解析”這一功能，它能夠簡化我們對列表內元素逐一進行操作的代碼。使用append函數對列表元素進行操作，如代碼清單10所示。
- 代碼清單10：使用append函數對列表元素進行操作
<code>a = [1, 2, 3]
b = []
for i in a:
b.append(i + 2)/<code>
使用列表解析進行簡化，如代碼清單11所示。
- 代碼清單11：使用列表解析進行簡化
<code>a = [1, 2, 3]
b = [i+2 for i in a]/<code>
這樣的語法不僅方便，而且直觀。這充分體現了Python語法的人性化。在本書中，我們將會較多地用到這樣簡潔的代碼。
2. 字典
Python引入了“自編”這一方便的概念。從數學上來講，它實際上是一個映射。通俗來講，它也相當於一個列表，然而它的“下標”不再是以0開頭的數字，而是自己定義的“鍵”（Key）。
創建一個字典的基本方法如下：
<code>d = {'today':20, 'tomorrow':30}/<code>這裡的today、tomorrow就是字典的“鍵”，它在整個字典中必須是唯一的，而20、30就是“鍵”對應的值。訪問字典中元素的方法也很直觀，如代碼清單12所示。
- 代碼清單12：訪問字典中的元素
<code>d['today'] # 該值為20
d['tomorrow'] # 該值為30/<code>
要創建一個字典，還有其他一些比較方便的方法來，如通過dict()函數轉換，或者通過dict.fromkeys來創建，如代碼清單13所示。
- 代碼清單13：通過dict或者dict.fromkeys創建字典
<code>dict([['today', 20], ['tomorrow', 30]]) # 也相當於{'today':20, 'tomorrow':30}
dict.fromkeys(['today', 'tomorrow'], 20) # 相當於{'today':20, 'tomorrow':20}/<code>很多字典相關的函數和方法與列表相同，在這裡就不再贅述了。
3. 集合
Python內置了集合這一數據結構，這一概念跟數學上的集合的概念基本上是一致的，它跟列表的區別在於：①它的元素是不重複的，而且是無序的；②它不支持索引。一般我們通過花括號{}或者set()函數來創建一個集合，如代碼清單14所示。
- 代碼清單14：創建集合
<code>s = {1, 2, 2, 3} # 注意2會自動去重，得到{1, 2, 3}
s = set([1, 2, 2, 3]) # 同樣地，它將列表轉換為集合，得到{1, 2, 3}/<code>集合具有一定的特殊性（特別是無序性），因此集合有一些特別的運算，如代碼清單15所示。
- 代碼清單15：集合運算
<code>a = t | s # t和s的並集
b = t & s # t和s的交集
c = t – s # 求差集（項在t中，但不在s中）
d = t ^ s # 對稱差集（項在t或s中，但不會同時出現在二者中）/<code>
4. 函數式編程
函數式編程（Functional programming）或者函數程序設計又稱泛函編程，是一種編程範型，它將計算機運算視為數學上的函數計算，並且避免使用程序狀態以及易變對象。
簡單來講，函數式編程是一種“廣播式”編程，通常是結合前面提到的lambda定義函數用於科學計算中，會顯得簡潔方便。
在Python中，函數式編程主要由幾個函數的使用構成：lambda、map、reduce、filter，其中lambda前面已經介紹過，主要用來自定義“行內函數”，所以現在我們逐一介紹後面3個。
（1）map函數
假設有一個列表a = [1, 2, 3]，要給列表中的每個元素都加2得到一個新列表，利用前面已經談及的列表解析，我們可以這樣寫，如代碼清單16所示。
- 代碼清單16：使用列表解析操作列表元素
<code>b = [i+2 for i in a]/<code>
而利用map函數我們可以這樣寫，如代碼清單17所示。
- 代碼清單17：使用map函數操作列表元素
<code>b = map(lambda x: x+2, a)
b = list(b) # 結果是[3, 4, 5]/<code>
也就是說，我們首先要定義一個函數，然後再用map命令將函數逐一應用到（map）列表中的每個元素，最後返回一個數組。map命令也接受多參數的函數，如map(lambda x,y: x*y, a, b)表示將a、b兩個列表的元素對應相乘，把結果返回新列表。
也許有的讀者會有疑問：有了列表解析，為什麼還要有map命令呢？其實列表解析雖然代碼簡短，但是本質上還是for命令，而Python的for命令效率並不高，而map函數實現了相同的功能，並且效率更高，原則上來說，它的循環命令是C語言速度的。
（2）reduce函數
reduce有點像map，但map用於逐一遍歷，而reduce用於遞歸計算。在Python 3.x中，reduce函數已經被移出了全局命名空間，被置於fuctools庫中，使用時需要通過from fuctools import reduce引入reduce。先給出一個例子，這個例子可以算出n的階乘，如代碼清單18所示。
- 代碼清單18：使用reduce計算n的階乘
<code>from fuctools import reduce# 導入reduce函數
reduce(lambda x,y: x*y, range(1, n+1))/<code>
其中range(1, n+1)相當於給出了一個列表，元素是1～n這n個整數。lambda x,y: x*y構造了一個二元函數，返回兩個參數的乘積。
reduce命令首先將列表的頭兩個元素作為函數的參數進行運算，然後將運算結果與第三個數字作為函數的參數，然後再將運算結果與第四個數字作為函數的參數……依此遞推，直到列表結束，返回最終結果。如果用循環命令，那就要寫成代碼清單19所示的形式。
- 代碼清單19：使用循環命令計算n的階乘
<code>s = 1
for i in range(1, n+1):
s = s * i/<code>
（3）filter
顧名思義，它是一個過濾器，用來篩選列表中符合條件的元素，如代碼清單20所示。
- 代碼清單20：使用filter篩選列表元素
<code>b = filter(lambda x: x > 5 and x b = list(b) # 結果是[6, 7]/<code>
使用filter首先需要一個返回值為bool型的函數，如上述“lambda x: x > 5 and x < 8”定義了一個函數，判斷x是否大於5且小於8，然後將這個函數作用到range(10)的每個元素中，如果為True，則“挑出”那個元素，最後將滿足條件的所有元素組成一個列表返回。
當然，上述filter語句，也可以使用列表解析，如代碼清單21所示。
- 代碼清單21：使用列表解析篩選
<code>b = [i for i in range(10) if i > 5 and i /<code>
它並不比filter語句複雜。但是要注意，我們使用map、reduce或filter，最終目的是兼顧簡潔和效率，因為map、reduce或filter的循環速度比Python內置的for循環或while循環要快得多。
04 庫的導入與添加
前面我們已經講述了Python基本平臺的搭建和使用，然而僅在默認情況下它並不會將所有的功能加載進來。我們需要把更多的庫（或者叫作模塊、包等）加載進來，甚至需要安裝第三方擴展庫，以豐富Python的功能，實現我們的目的。
1. 庫的導入
Python本身內置了很多強大的庫，如數學相關的math庫，可以為我們提供更加豐富且複雜的數學運算，如代碼清單22所示。
- 代碼清單22：使用math庫進行數學運算
<code>import math
math.sin(1) # 計算正弦
math.exp(1) # 計算指數
math.pi # 內置的圓周率常數/<code>
導入庫的方法，除了直接“import庫名”之外，還可以為庫起一個別名，如代碼清單23所示。
- 代碼清單23：使用別名導入庫
<code>import math as m
m.sin(1) # 計算正弦/<code>
此外，如果並不需要導入庫中的所有函數，可以特別指定導入函數的名稱，如代碼清單24所示。
- 代碼清單24：通過名稱導入指定函數
<code>from math import exp as e # 只導入math庫中的exp函數，並起別名e
e(1) # 計算指數
sin(1) # 此時sin(1)和math.sin(1)都會出錯，因為沒被導入/<code>
若直接導入庫中的所有函數，如代碼清單25所示。
- 代碼清單25：導入庫中所有函數
<code># 直接導入math庫，也就是去掉math.，但如果大量地這樣引入第三庫，就容易引起命名衝突
from math import *
exp(1)
sin(1)/<code>
我們可以通過help('modules')命令來獲得已經安裝的所有模塊名。
2. 導入future特徵（For 2.x）
Python 2.x與Python 3.x之間的差別不僅是在內核上，也部分地表現在代碼的實現中。比如，在Python 2.x中，print是作為一個語句出現的，用法為print a；但是在Python 3.x中，它是作為函數出現的，用法為print(a)。
為了保證兼容性，本文的基本代碼是基於Python 3.x的語法編寫的，而使用Python 2.x的讀者，可以通過引入future特徵的方式兼容代碼，如代碼清單26所示。
- 代碼清單26：導入future特徵
<code># 將print變成函數形式，即用print(a)格式輸出
from __future__ import print_function
# 3.x的3/2=1.5，3//2才等於1；2.x中3/2=1
from __future__ import division/<code>
3. 添加第三方庫
Python自帶了很多庫，但不一定可以滿足我們的需求。就數據分析和數據挖掘而言，還需要添加一些第三方庫來拓展它的功能。這裡簡單介紹一下第三方庫的安裝。
安裝第三方庫有多種方法，如下所示。
- 下載源代碼自行安裝：安裝靈活，但需要自行解決上級依賴問題
- 用pip命令安裝：比較方便，自動解決上級依賴問題
- 用easy_install命令安裝：比較方便，自動解決上級依賴問題，比pip稍弱
- 下載編譯好的文件包：一般是Windows系統才提供現成的可執行文件包
- 系統自帶的安裝方式：Linux系統或Mac系統的軟件管理器自帶了某些庫的安裝方式
這些安裝方式已在《 》中詳細介紹。
關於作者：張良均，資深大數據挖掘與分析專家、模式識別專家、AI技術專家。有10餘年大數據挖掘與分析經驗，擅長Python、R、Hadoop、Matlab等技術實現的數據挖掘與分析，對機器學習等AI技術驅動的數據分析也有深入研究。
本文摘編自《Python數據分析與挖掘實戰》（第2版），經出版方授權發佈。
延伸閱讀《Python數據分析與挖掘實戰》
推薦語：暢銷書全新升級，第1版銷售超過10萬冊，被國內100餘所高等院校採用為教材，同時被廣大數據科學工作者奉為經典，是該領域公認的事實標準。作者在大數據挖掘與分析等領域有10餘年的工程實踐、教學和創辦企業的經驗，不僅掌握行業的最新技術和實踐方法，而且洞悉學生和老師的需求與痛點。
閱讀更多 華章科技 的文章
