“AI Blue”的版本间的差异
(→2.3 Numpy简介) |
(→2.2 IPython简介) |
||
第63行: | 第63行: | ||
*常用的魔术命令: | *常用的魔术命令: | ||
<nowiki> | <nowiki> | ||
− | %who或% | + | %who或%whos:命令来查看当前环境下的变量列表; |
− | %quickref:显示IPython的快速参考文档; | + | %quickref: 显示IPython的快速参考文档; |
− | %magic:显示所有的魔术命令及其详细文档; | + | %magic: 显示所有的魔术命令及其详细文档; |
− | %reset:删除当前环境下的所有变量和导入的模块; | + | %reset: 删除当前环境下的所有变量和导入的模块; |
− | %logstart: 开始记录IPython 里的所有输入的命令,默认保存在当前工作目录ipython_log.py中; | + | %logstart: 开始记录IPython 里的所有输入的命令,默认保存在当前工作目录ipython_log.py中; |
− | %logstop:停止记录,并关闭log文件。 | + | %logstop: 停止记录,并关闭log文件。 |
+ | |||
*在魔术命令后面加上问号“?”可以直接显示魔术命令的文档。 | *在魔术命令后面加上问号“?”可以直接显示魔术命令的文档。 | ||
− | |||
</nowiki> | </nowiki> | ||
2018年5月23日 (三) 12:08的版本
目录
scikit-learn
第一章 什么是机械学习
第二章 python机械学习
2.1 开发环境搭建
安装开发环境Anaconda下载地址: [1]
2.2 IPython简介
IPython是公认的现代科学计算中最重要的Python 工具之一。它是一个加强版的Python交互式命令行工具,与系统自带的Python交互环境相比,IPython 具有以下明显的几个特点:
1、与Shell紧密关联,可以在 IPython 环境下直接执行Shell指令;
2、可以直接绘图操作的 Web GUI环境,在机器学习领域、探索数据模式、可视化数据、绘制学习曲线时,这一功能特别有用;
3、更强大的交互功能,包括内省、Tab键自动完成、魔术命令等。
2.2.1 IPython 基础
与Python相比,IPython的输出排版更加简介。
可以试着一下代码:
In[1]: a=5 In[2]:a+3 In[3]:import numpy as np In[4]:data ={i: np.random.randn() for i in range(8)} In[5]:data
Tab键是IPython提高效率的秘籍,如下:
np.random./按下Tab
- 快捷键:
Ctrl+A: 移动光标到本行的开头; Ctrl+E: 移动光标到本行的结尾; 的代不Ctrl+U:删除光标所在位置之前的所有字符; Ctrl+K: 删除光标所在位置之后的所有字符,包含当前光标所在的字符; Ctrl+L: 清除当前屏幕上显示的内容; Ctrl+P:以当前输入的字符作为命令的起始字符,在历史记录里向后搜索匹配的命令;.Ctrl+N:以当前输入的字符作为命令的起始字符,在历史记录里向前搜索匹配的命令; Ctrl+C:中断当前脚本的执行。
在IPython中可以直接在类或变量后加上一个问号“?”来查阅文档。
In[6]:np.random.randn?
在类或变量或函数后面加两个问号“??”还可以直接查看源代码。结合星号“*”和问号“?”,还可以查询命名空间里的所有函数和对象。
- 建立一个文件:hello.py
In[7]:msg='hello ipython' In[8]:print(msg)
- 访问这个文件:
In[9]:% run hello.py
- 快速评估代码的执行效率用%timeit,例;
In[10]:a np.random.randn(100,100) In[11]:%timeit np.dot(a,a)
- 常用的魔术命令:
%who或%whos:命令来查看当前环境下的变量列表; %quickref: 显示IPython的快速参考文档; %magic: 显示所有的魔术命令及其详细文档; %reset: 删除当前环境下的所有变量和导入的模块; %logstart: 开始记录IPython 里的所有输入的命令,默认保存在当前工作目录ipython_log.py中; %logstop: 停止记录,并关闭log文件。 *在魔术命令后面加上问号“?”可以直接显示魔术命令的文档。
2.2.1 IPython 图形界面
特点
- 方便编写多行代码
- 可以直接把数据可视化
(看不懂)
2.3 Numpy简介
Numpy是Python科学计算的基础库,主要提供了高性能的N维数组实现以及计算能力,还提供了和其他语言如 C/C++ 集成的能力,此外还实现了一些基础的数学算法, 如约性代数相关、傅里叶变换及随机数生成等。
- 创建数组
In[1]:import numpy as np In[2]:a= np.array([1,2,3,4]) In[3]:a In[4]:b=np.array([1,2],[3,4],[5,6]) In[5]:b
- 查看array属性、数据的维度和类型。
In [6]: b.ndim In (7]:b.shape In [8]:b.dtype #查看数组里元素的数据类型
- 用Numpy函数来创建数组。
In[9]:c=np.arange(10) #创建连续数组 In[9]:c In[10]: d= np.linspace(0,2,11) #[O,2]分成11等分后的数组 In[11]:d In[12]: np.ones((3, 3)) #注意参数两边的括号,参数是个元组
2.4 Pandas简介
2.5 Matplotlib简介
Matplotlib是python数据可视化工具包。如果要在ipython控制台使用Matplotlib。可以使用ipython--matplotlib命令来启动ipython控制程序; 如果要在ipython notebook里使用Matplotlib,则在notebook的开始位置插入%matplotlib inline魔术命令即可。 ipython的Matplotlib模式又两个优点:一是提供的非阻塞的画图操作,二是不需要显示调用show()方法来显示画出来的图片。 在机器学习领域中,我们经常需要把数据可视化,以便观察数据的模式。此外,在对算法性能进行评估时,也需要把模型相关的数据可视化,才能观察出桃型里需要改进的地方。