Python机器学习（python简介篇）

1.Python 数据类型

Python 内置的常用数据类型共有6中：

数字（Number）、布尔值（Boolean）、字符串（String）、元组（Tuple）、列表（List）、字典（Dictionary）。

数字：常用的数字类型包括整型数（Integer）、长整型（Long）、浮点数（Float）、复杂型数（Complex）。

10、100、-100都是整型数；-0.1、10.01是浮点数。

布尔值：True代表真，False代表假。

字符串：在Python里，字符串的表示使用成对的英文单引号，双引号进行表示，‘abc’或“123”。

元组：使用一组小括号（）表示，（1，‘abc’,0.4）是一个包含三个元素的元组。假设上例的这个元组叫做t,那么t[0]=1,t[1]='abc'。默认索引的起始值为0，不是1。

列表：使用一对中括号[ ]来组织数据，[1，‘abc’,0.4]。需要注意的是Python允许在访问列表时同时修改列表里的数据，而元组则不然。

字典：包括多组键（key）:值（value）,Python使用大括号{ }来容纳这些键值对，{1：‘1’，‘abc’:0.1,0.4:80},假设上例字典为变量d，那么d[1]='1',d['abc']=0.1

2.Python 流程控制

比较常见的包括分支语句（if）和循环控制（for）

分支语句语法结构：

if布尔值/表达式：

else：

或者

if布尔值/表达式：

elif布尔值/表达式：

else:

代码1：分支语句代码样例：

=====》

b=True

if b:

　　print("It's True!")

else:

　　print('It's False!")

=====》

It's True!

=====》

b=False

c=True

if b:

　　print("b is True!")

elif c:

　　print('c is True!")

else:

　　print("both are False")

=====》

c is True!

循环控制语法结构：

for 临时变量 in 可遍历数据结构（列表、元组、字典）

　　执行语句

代码2：循环语句代码样例：

=====》

d={1:'1','abc':0.1,0.4:80}

for k in d:

　　print(k,":",d[k])

=====》

1:1

abc:0.1

0.4:80

1.3 Python函数模块设计

Python采用def关键字来定义一个函数：

代码3：函数定义和调用代码样例：

=====》

def foo(x):

　　return x**2

print(foo(8.0))

=====》

64.0

1.4 Python编程库（包）的导入

代码4：程序库/工具包导入代码示例

=====》

 #1.直接使用import导入math工具包

import math

#调用math包下的函数exp求自然指数

print(math.exp(2))

#2.从（from）math工具包里指定导入exp函数

from math import exp

print(exp(2))

#3.从（from）math工具包里指定导入exp函数,并且对exp重新命名为ep

from math import exp as ep

print(ep(2))

=====》

7.38905609893065

7.38905609893065

7.38905609893065

1.5 Python基础综合实践

代码5：良/恶性乳腺癌肿瘤预测代码样例

=====》

 #导入pandas工具包，并且更名为pd

import pandas as pd

#调用pandas工具包的read_csv函数/模块，传入训练文件地址参数，获得返回的数据并且存至变量df_train

df_train=pd.read_csv('breast-cancer-train.csv')

#调用pandas工具包的read_csv函数/模块，传入测试文件地址参数，获得返回的数据并且存至变量df_test

df_test=pd.read_csv('breast-cancer-test.csv')

#选取‘肿块厚度’(Clump Thickness)与‘细胞大小’(Cell Size)作为特征，构建测试集中的正负分类样本

df_test_negative=df_test.loc[df_test['Type']==0][['Clump Thickness','Cell Size']]

df_test_positive=df_test.loc[df_test['Type']==1][['Clump Thickness','Cell Size']]

#导入matplotlib工具包中pyplot并命名为plt

import matplotlib.pyplot as plt

#matplotlib.pyplot.scatter(x,y,s=None,c=None,marker=None)

#x,y接收array。表示x轴和y轴对应的数据。无默认

#s接收数值或者一维的array。指定点的大小，若传入一维array，则表示每个点的大小。默认为None

#c接收颜色或者一维的array。指定点的颜色，若传入一维array，则表示每个点的颜色。默认为None

#marker接收特定string。表示绘制的点的类型。默认为None

#绘制良性肿瘤样本点，标记为红色的o

plt.scatter(df_test_negative['Clump Thickness'],df_test_negative['Cell Size'],marker='o',s=200,c='red')

#绘制恶性肿瘤样本点，标记为黑色的x

plt.scatter(df_test_positive['Clump Thickness'],df_test_positive['Cell Size'],marker='x',s=150,c='black')

#绘制x,y轴的说明

plt.xlabel('Clump Thickness')

plt.ylabel('Cell Size')

#显示图

plt.show()

 #导入numpy工具包，并且重命名为np

import numpy as np

#利用numpy中的random函数随机采样直线的截距和系数

intercept=np.random.random([1])

# print(intercept)#[0.79195932]

coef=np.random.random([2])

# print(coef)#[0.37965899 0.47387532]

lx=np.arange(0,12)

# print(lx)#[ 0  1  2  3  4  5  6  7  8  9 10 11]

ly=(-intercept-lx*coef[0])/coef[1]

# print(ly)

# [-1.09996728 -1.60387435 -2.10778142 -2.61168849 -3.11559556 -3.61950262

# #  -4.12340969 -4.62731676 -5.13122383 -5.6351309  -6.13903797 -6.64294503]

#绘制一条随机直线

plt.plot(lx,ly,c='yellow')

plt.scatter(df_test_negative['Clump Thickness'],df_test_negative['Cell Size'],marker='o',s=200,c='red')

plt.scatter(df_test_positive['Clump Thickness'],df_test_positive['Cell Size'],marker='x',s=150,c='black')

plt.xlabel('Clump Thickness')

plt.ylabel('Cell Size')

plt.show()

#导入sklearn中的逻辑斯蒂回归分类器

from sklearn.linear_model import LogisticRegression

lr=LogisticRegression()

#使用前10条训练样本学习直线的系数和截距

lr.fit(df_train[['Clump Thickness','Cell Size']][:10],df_train['Type'][:10])

print('Testing accuracy (10 training samples):',lr.score(df_test[['Clump Thickness','Cell Size']],df_test['Type']))

intercept=lr.intercept_

coef=lr.coef_[0,:]

#原本这个分类面应该是lx*coef[0]+ly*coef[1]+intercept=0,映射到2维平面上之后，应该是：

ly=(-intercept-lx*coef[0])/coef[1]

plt.plot(lx,ly,c='green')

plt.scatter(df_test_negative['Clump Thickness'],df_test_negative['Cell Size'],marker='o',s=200,c='red')

plt.scatter(df_test_positive['Clump Thickness'],df_test_positive['Cell Size'],marker='x',s=150,c='black')

plt.xlabel('Clump Thickness')

plt.ylabel('Cell Size')

plt.show()

lr=LogisticRegression()

#使用所有的训练样本学习直线的系数和截距

lr.fit(df_train[['Clump Thickness','Cell Size']],df_train['Type'])

print('Testing accuracy (all training samples):',lr.score(df_test[['Clump Thickness','Cell Size']],df_test['Type']))

intercept=lr.intercept_

coef=lr.coef_[0,:]

#原本这个分类面应该是lx*coef[0]+ly*coef[1]+intercept=0,映射到2维平面上之后，应该是：

ly=(-intercept-lx*coef[0])/coef[1]

plt.plot(lx,ly,c='blue')

plt.scatter(df_test_negative['Clump Thickness'],df_test_negative['Cell Size'],marker='o',s=200,c='red')

plt.scatter(df_test_positive['Clump Thickness'],df_test_positive['Cell Size'],marker='x',s=150,c='black')

plt.xlabel('Clump Thickness')

plt.ylabel('Cell Size')

plt.show()

Testing accuracy (10 training samples): 0.8685714285714285

Testing accuracy (all training samples): 0.9371428571428572