机器学习与Python实践

人民邮电出版社1/

24第一章

机器学习概述机器学习与python

实践机器学习概述

机器学习及相关概念的介绍从解决实际问题的框架中简要说明

相关概念之间的联系和区别包括数据科学、数据挖掘、人工智能、统计学习

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社

2/

24目录1

引言2

机器学习的分类3

机器学习的发展历程和应用

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社

3/

24引言目录1

引言2

机器学习的分类3

机器学习的发展历程和应用

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社4

/

24

数据科学：使用科学方法分析数据，从数据中提取有效信息，帮助理解观测到的现象

并由数据驱动进行预测或决策的理论和方法体系。 常用的科学方法：处理分析数据相关的数学、统计学和计算机科学。

与数据科学相关的重要相关概念：机器学习和数据挖掘这与当前热门的大数据方法和人工智能有十分密切的关系。引言引言

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社

5/

24

实际问题：目的是什么，有什么样的数据，希望从中得到什么？

模型集/方法集

：一般划分为三大类，无监督学习、有监督学习和强化学

习。

解决方案

：一份完整的分析报告，或某个分析处理数据的软件。

建模过程：实际问题和需求转化为能用数学和统计语言描述的问题，并从

模型集方法集中找到合适求解该问题的方法。

实现过程：计算机程序实现，具体到某个实际状况的处理方法。

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社

6/

24引言

问题导向框架问题导向框架

垃圾邮件识别、

实际问题：过滤掉垃圾电子邮件。、

建模过程：分类问题，从方法集里面的有监督学习中找到合适的分类

方法。、

解决方案：嵌在电子邮件软件中的某段程序，利用分类方法实现识别功能。

量化选股中的策略研发、

目标：根据历史走势和相关市场行情判断未来一段时间的走势，给出

交易信号或投资组合策略，获得较稳定的正收益。、

可以放到监督学习或者强化学习的框架中研究，尝试各种解决方案。

区别：、

数据中的信噪比。、

技术的开放程度。引言

问题导向框架问题导向框架

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社

7/

24引言

数据挖掘与机器学习数据挖掘与机器学习

数据挖掘关注流程图第二部分，第一部分到第二部分的建模过程

机器学习侧重流程图第二部分，第二部分到第三部分的实现过程

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社

8/

24

数据挖掘和机器学习侧重点不同

简介：从数据分析中找出或提取特征、模式和有用信息的过程

涉及机器学习，统计和数据库系统的交叉领域。

方法分类：分类、聚类、关联规则、异常分析和检测。

侧重：流程图第二部分，以及第一部分到第二部分的建模过程。包括对数据的预处理、描述性统计分析、探索性数据分析、数据展示等

与普通数据分析相比，数据挖掘更关注使用机器学习和统计模型从大数据

中寻找未被发现的信息和模式。引言

数据挖掘与机器学习数据挖掘

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社

9/

24

简介：包括理论和应用两个方面理论：第二部分的模型和方法应用：方法的实际效果，例如模型的预测效果。

方法分类：学习的目标：有监督学习、无监督学习和强化学习是否使用了多个层级的函数映射：浅层学习和深度学习

侧重：流程图第二部分，第二部分到第三部分的实现过程。即特征的构造和选取，模型选择，模型评估，结果的分析和解释，以及方

法的运行时间、稳健性、可扩展性等。引言

数据挖掘与机器学习机器学习

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社10/24

定义：泛指通过计算机来模拟和拓展人类智能的理论方法和技术，也被称

为机器智能。目前距离具有自我意识的超级智能还有很遥远的距离，与机器学习的概念更为接近。

研究场景：游戏

AI、医疗

AI、无人驾驶、自然语言处理、图像识别和生

成等。

使用的基本方法：深度学习和强化学习 AlphaGo

围棋的创造者之一David

Silver

博士：AI

=RL+DL，即人工

智能等于强化学习加上深度学习。

2013

年起，深度强化学习，例如游戏

AI

，围棋，自动驾驶等。引言

人工智能与机器学习人工智能与机器学习

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社11/24机器学习的分类目录1

引言2

机器学习的分类3

机器学习的发展历程和应用

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社12/24机器学习的分类机器学习的分类

无监督学习/有监督学习/强化学习

浅层学习/深度学习

统计学习

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社13/24

有监督学习、

处理的是有响应变量或有标签的数据D

=

(X,

Y)、

研究Prob(YjX)，即给定X后Y

的条件分布，条件均值等、

包括所有的分类方法和回归方法，如线性回归，线性判别、决策树、

逻辑回归，

SVM

，随机森林等。

无监督学习、

处理响应变量或无标签的数据X、

研究与X

的分布Prob(X)

相关的量或特征、

包括

K-means，主成分分析；A-priori

关联学习，高斯混合模型，隐

马尔科夫模型，描述性统计方法。机器学习的分类

无监督学习和有监督学习无监督学习和有监督学习

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社14/24

学习是一个建模过程，

一般包括、

模型（数据的产生机制）、

目标函数、

估计方法或算法

估计方法或算法等不需要被归到无监督学习或有监督学习、

如极大似然估计，正则化方法，

EM

算法，bootstrap，神经网络结

构如

CNN

，

RNN

等。

模型和估计方法的概念区别、

以岭回归为例机器学习的分类

无监督学习和有监督学习无监督学习和有监督学习

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社15/24

代理（Agent）

：依据环境状态做出决策的主体（决策函数）。

在时刻t，代理观察到环境状态

st

，并执行动作

at。在t+1，代理收到该动作的回报rt+1，观测到

st+1，并执行at+1

。

如此下去，直到这个过程以某种方式结束。机器学习的分类

强化学习强化学习

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社16/24

涉及决策和环境交互影响的问题

强化学习是近似求解马尔科夫决策过程MDP

的算法集。 MDP

是一个五元组

(S,

A,

P,

R,

γ)：(1)

S

是状态集，

st

∈

S；(2)

A

是动作集，

at

∈A；(3)P

是转移概率函数矩阵(4)R

是回报函数，

R=E(rt+1j

st

=

s,

at

=

a)；(5)γ

∈

[0,1]

是折现因子,

下一时刻单位回报在当前的价值。

学习：寻求决策函数a=π(s)，使执行该策略的期望累计回报最大

sa机器学习的分类

强化学习强化学习

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社17/24

模型已知：基于

bellman

方程的值迭代，策略迭代

模型未知：蒙特卡洛，

TD

方法

(包括

Q

学习，SARSA

学习)，直接优化

求解策略函数的REINFORCE

，Actor-Critic

等。

综合基于模型的方法和不基于模型的方法：如Dyna-Q。机器学习的分类

强化学习强化学习分类

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社18/24

浅层学习对原始数据进行了一层函数映射。

深度学习在机器学习方法中引入多个层级的非线性处理单元，每层使用前一层的输

出作为输入，实现特征提取和特征转换。大部分基于神经网络。无监督学习有监督学习强化学习浅层学习聚类、

K-means

算法

混合模型、

PCA关联规则法、

ICA线性回归、逻辑回归、判别分析K

临近法、支持向量机决策树、

GBDT、随机森林策略迭代、值迭代Q-Learning、

SARSA

蒙特卡洛法、

TD方法深度学习DBN、

DBMGAN、

VAE使用了

DNN、

CNN、

RNN

的回归

使用了

DNN、

CNN、

RNN

的分类DQN

及拓展、

TRPO

A3C、

D4PG机器学习的分类

浅层学习和深度学习浅层学习和深度学习

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社19/24Table

1:常用学习方法分类

统计学习

：数据出发，研究变量的分布和变量之间关系。建模前对数据的分布或变量关系做假设，假设检验，统计推断。

模型和估计方法的界定、

模型：观测数据的产生机制，如线性回归模型Y

=Xβ

+ϵ

,

、

估计方法：如对

β

的估计方法，包括最小二乘，岭回归等。机器学习的分类

统计学习统计学习

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社20

/

24

要素、

”

机器学习

”

三要素：《统计学习方法》中统计学习的三要素，模型、

策略（目标函数）和算法。、

统计学习的要素：（1）合理的模型假设（模型特指数据生成机

制）；（2）具有优良性质的估计方法；（3）有效的求解算法。

侧重、

机器学习：侧重模型预测性能，泛化能力，算法性质和效率。

、

统计学习：侧重于一些与求解算法无关的性质。

例，

AdaBoost

算法的改进机器学习的分类

统计学习统计学习和机器学习对比

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社21

/

24机器学习的发展历程和应用目录1

引言2

机器学习的分类3

机器学习的发展历程和应用

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社22

/

24

发展历程：、

1950

年代：概念提出，

Rosenblatt

的感知器、

1960、

1970

年代：模式识别，邻近法、强化学习的简单应用

、

1980

年代：神经网络、反向传播算法、

1990

年代：支持向量机、树的集成方法如随机森林和提升树、

21

世纪

：XGBoost、深度学习、深度强化学习 应用：、

图像识别、语音识别、文本挖掘、

游戏竞技、无人驾驶、

智能医疗、金融科技机器学习的发展历程和应用机器学习的发展历程和应用

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社23

/

24结语结语

机器学习在多个领域有广泛重要的应用，大有前途

在学习过程中逐渐理解概念，抓住重点

需要系统学习，理论、模拟、案例应用、编程等

机器学习与

python实践()

第一章机器学习概述

人民邮电出版社24

/

24人民邮电出版社1/

80第二章

Python

科学计算简介机器学习与python

实践Python

科学计算简介

为什么要学习Python？Python

语言有什么优点？ Python

与机器学习的联系Python

编程基础、科学计算模块、常用工具库

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

2/

80

1

基础变量类型2

控制语句和函数3

科学计算和数据处理4

作图和可视化5

输入和输出6

面向对象编程7

常用工具库简介目录

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

3/

80

1

基础变量类型2

控制语句和函数3

科学计算和数据处理4

作图和可视化5

输入和输出6

面向对象编程7

常用工具库简介基础变量类型目录

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

4/

80

在计算机程序中，变量是用来存储已知或未知信息的字符，并分配有对应的存

储地址。

Number

String

List

Tuple

Dictionary可以使用type()

函数查询变量类型。基础变量类型基础变量类型

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

5/

80

##

简单算术运算的示例In[1]:

a

=(

7.

7

+

1-

3.

3

)*2/8

.

.

.:

p

r

i

nt

(

a

)

#p

r

i

nt

是输出函数Out

[

1]

:

1.

3

5In[2]:p

r

i

nt

(5

%

4)Out

[

2]

:

1##

x

=

x

+

a/x+=

a;

y=

y

*b/

y

*=bIn[3]

:

x

=

1.

.

.

:

x+=2.

.

.

:

p

r

i

nt

(

x

)Out

[3]

:3In[4]

:p

r

i

nt

(1

6

*

*

0.

5

)Out

[4]

:

4.

0基础变量类型Number

数字Number

数字 Number

包括整数型int

和浮点型

float

算术运算符：

+,

-,

*,

/,

%

,**

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

6/

80

比较运算符：

==

和！

=

，返回值为

True/False

逻辑运算符：

and

/or/not

，返回值为

True/False True/False

本身也可以进行逻辑运算Il##比较运算与逻辑运算示例Il

In[5]

:

x

=

1Il

.

.

.

:

y

=

’h

e

ll

o

’Il.

.

.

:

z

=

3Il##

检验等式Il

In

[6]:

x==

1Il

Out

[6]:TrueIl##

检验不等式Il

In[7]

:

y!=’h

e

ll

o’Il

Out

[7]:

FalseIl##

逻辑运算Il

In

[8]:x==

1or

y==

’

hi

’Il

Out

[8]

:True--

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社7

/

80

基础变量类型Number

数字Number

数字

字符串以一个序列的方式存储字符，通常使用一对单引号(ℽ)或双

引号(

ℽℽ

)来创建 In

[10]:

s

t

r

=’

Hello

,World

!’

字符串的算术运算符号使用基础变量类型

String

字符串String

字符串In

[11

]:

’hello,’

+

’

world

!’

Out

[11]:

’hello,world

!

’In[

12]:

s

t

r+=’

!

!

!

1

!’.

.

.

:

print

(s

t

r

)Out

[12]:

’

Hello,

World

!

!

!

!

1

!’In[

13]:

’hi

’*

10Out[13

]:’hi

hi

hi

hi

hi

hi

hi

hi

hi

hi

’

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

8/

80

#

s

t

r

=’

Hello

,World

!

!

!

!

1

!’In[

14]:p

r

i

nt

(

s

t

r[

1])Out

[

14]:eIn[

15]

:

p

r

i

nt

(

s

t

r[

-1

])Out

[

15]

:

!In[

16]

:p

r

i

nt

(

s

t

r[7

:

12])Out

[16]:

WorldIn[

17]

:le

n

(

s

t

r

)Out

[

17]:18基础变量类型

String

字符串String

字符串

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

9/

80

字符串的索引和切片（截取）字符串自带函数如拆分、合并等。调用规则是

str.funcion() str.lstrip()：去掉字符串头处的指定字符 str.rstrip()：去掉字符串尾处的指定字符 str.split()：通过指定分隔符对字符串进行切片，返回一个切片后的列表；

”.join()：将字符串的元素以指定的字符连接 str.lower()：将字符串中的所有大写字符转为小写字符 str.upper()

：将字符串中的所有小写字符转为大写字符。基础变量类型

String

字符串String

字符串

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社10

/

80

列表以一个序列的方式存储数据

列表的创建：使用中括号

[

]

列表可用于存储不同的数据类型，并且一个列表可作为某一元素存储于另一个列

表中

列表中元素的修改list[index]

=value

表示将原

list

指定位置上的元素替换为给定的value。基础变量类型

List

列表List

列表

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社11

/

80

##

列表的创建和索引等运算示例In

[22]:

l=

[2

,

4

,

6

,

8

].

.

.

:

l

[

3]Out

[22]

:

8In

[23]

:

l[

-

1]Out

[23]:

8In

[24]

:

l[4]Index

Error:

lis

tindexoutofrangeIn

[25]:

l

.append(1

0

)

#

在列表末端增加元素.

.

.

:

l

[4]Out

[25]:10In

[26]

:

l[0

:

2]Out

[26]

:

[2

,4

]In

[27]

:

l[

1

:3]

=

[7

,7

]In[28]:

le

n

(

l

)基础变量类型

List

列表List

列表

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社12

/

80

与字符串类似，支持指标索引和切片

与字符串类似，可以对列表进行算术运算Il##

列表运算示例 In

[29]:l1=

[2

,4

,

6

,

8

,1

0

]Il.

.

.

:

l2=

[3

,5

]

.

.

.

:l

3

=

l1

+

l

2Il

.

.

.

:

l

3 Out

[29]:

[2

,

4

,

6

,

8

,10

,

3

,5

]Il

In

[30]:

l

3

.pop

() Out

[30]:

5Il

In[31]:l*=

2

.

.

.

:l

[3

:

6]Il

Out

[3

1]:

[

8

,

10

,2

]基础变量类型

List

列表List

列表

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社13

/

80

列表自带很多用于处理数据的函数，调用规则是

list.funcion()。

list.append(value)：将

value

添加到

list

的末尾。 list.extend(list2)：将

list2

中的元素添加到原

list

的末尾。 list.insert(index,value)：将

value

添加到指定的原

list

中的

index

处。

list.pop(index)：删除原

list

中

index

位置上的元素。 list.count(value)：计算

list

中

value

出现的个数。Python

中还有许多用于列表的内置函数。

例如，list(str)；

len(list)；

max(list)；

min(list)

等。基础变量类型

List

列表List

列表

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社14

/

80

元组以一个序列的方式存储数据

使用括号

()

来创建，元组中的元素可以是不同类型

与列表类似，例如索引和切片等。

tuple()/list()

两者转换Il#元组的创建和使用示例Il

In

[

3

3

]:p1=

(

’start

’

,1.2

,

-3.0

,

17.222)Il..

.

:

p2=

(

’

end

’

,

-7.3

,

0.0

,

-0.0001)Il

.

.

.

:

p1

[3

]=

17.2Il

TypeError:

’

tuple

’objectdoes

not

support

item

assignmentIl

In

[34]:

p2

[2] Out

[3

4

]:

0.0Il

In

[35]

:

p1

[0]

[

0] Out

[35]

:

’s

’Il

In

[36

]:type1

,

x1

,

y1

,z1

=p1

.

.

.

:

type2

,x2

,y2

,

z2

=p2Il.

.

.

:

x1

-

x2

Out

[

3

6

]

:

8.5

--基础变量类型

Tuple

元组Tuple

元组

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社15

/

80

与列表不同的是，元组内的单个或部分元素是不可变的

尽管元组单个元素不能修改，但作为一个整体是可以整体改动的。使用元组可以

方便地交换两个变量的值，不需要通过中间变量，例如：Il

In

[37

]:a

=1;b=

2Il

In[38]:

a,b

=

b,a其中，a,b

可以看成元组

(a,b)

的拆卸（unpacking）。基础变量类型

Tuple

元组Tuple

元组

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社16

/

80

字典以键值（key

value）的形式存储数据

使用大括号

{}

。dict

=

{key1

:

value1,

key2

:

value2,...}

形式创建字典。也可以

构建空的字典，然后逐一添加键值对。

在字典中，数据存储在值（value）中，通过键（key）进行索引。Il##

字典构建和使用示例

In

[39

]:

import

mathIl

.

.

.

:

p

=(1

,

2

,

3)

.

.

.

:di

c

t1={

’x

’

:p

[0],

’y

’

:p

[

1],

’

z

’

:

p

[2

]}Il

.

.

.

:

di

c

t1[

’

pi

’]

=math.

pi

与列表类似

，字典的值元素可以是不同类型，可以进行添加、删减和替换操作。

键的作用类似列表的指标，不允许有重复值。

字典的索引速度很快，不会随着键的增加而变慢。字典需要同时存储键值对，所

以字典所用的存储空间会比列表大。基础变量类型Dictionary

字典Dictionary

字典

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社17

/

80

常见的字典操作如下： dict.keys()：返回一个包含字典中所有键的列表。 dict.values()：返回一个包含字典中所有值的列表。 dict.clear()

：删除字典中所有元素。 dict.pop(key)：通过

pop

函数删除原字典中的指定的键值对，若键不存在，则返

回默认值或报错。 del

dict[key]：通过操作命令

del

删除原字典中的指定的键值对。 dict.get(key)

：返回字典中键对应的值，若键不存在，则返回默认值。基础变量类型Dictionary

字典Dictionary

字典

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社18

/

80

##

字典构建和使用示例In

[39

]:

import

math.

.

.

:

p

=

(1

,

2,

3).

.

.

:di

c

t1={

’x

’

:p

[0],

’y

’

:p

[

1],

’

z

’

:

p

[2

]}.

.

.

:di

c

t1

[

’

pi

’]

=math.

piIn

[

40

]:

dic

t1

.values

(

).

.

.

:di

c

t1

.pop(

’y

’)基础变量类型Dictionary

字典Dictionary

字典

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社19

/

80

1

基础变量类型2

控制语句和函数3

科学计算和数据处理4

作图和可视化5

输入和输出6

面向对象编程7

常用工具库简介控制语句和函数目录

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

20/

80

Python

中常用控制语句包括以下四种：1.if

条件语句，当条件成立时运行语句块。经常与

else,

elif(相当于

else

if)

配合使用。2.

while

循环语句

，当条件为真时，循环运行语句块。3.

for

循环语句，遍历列表、字符串、字典、集合等迭代器，依次处理迭代器中的每个

元素。4.

try

语句，与

except、

finally

配合使用处理在程序运行中出现的异常情况。控制语句和函数

控制语句控制语句

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

21/

80

条件语句常用的有

if...else语句。

当

if

语句判断为

True

时，就会执行

if

后面的语句块，否则执行

else

后面的语句

块。

if

和

else

是一个层级，不需要缩进。语句的基本语法如下：

控制语句和函数

控制语句条件语句

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

22/

80

if...else

语句可以处理两种情形。当有多种情形时，可以结合elif语句实现。其中，

elif

可以有多个，并且只会选择一个执行，举例如下： In

[41

]:

sco

r

e=82Il

.

.

.

:if

sco

re

>=

9

0

:

.

.

.

:

p

r

i

nt

(

’优秀’)Il

.

.

.

:e

l

i

f

sco

r

e

>=

8

0:

.

.

.

:

p

r

i

nt

(

’良好’)Il

.

.

.

:e

l

i

f

sco

r

e

>=

6

0:

.

.

.

:

p

r

i

nt

(

’合格’)Il

.

.

.

:

e

l

s

e

:

.

.

.

:

p

r

i

nt

(

’不合格’)Il

Out

[41]:’良好’控制语句和函数

控制语句条件语句

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

23/

80

循环语句用于重复执行某一语句块，主要分为

while

循环和

for

循环。 while

循环表示当某条件成立时，就循环运行语句。以下程序是使用while

循环求

解整数序列和的一个简单例子。##

数字(1~100)求和

控制语句和函数

控制语句循环语句在执行

while

循环语句之前，不一定知道具体的循环次数，可能会出现死循环。

当程序出现死循环时，需要强制结束

Python

，退出程序。

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

24/

80

Python

的

for

循环语句会依次遍历迭代器中的每个元素，并重复执行某段语句

块。迭代器是

Python

中任意可以用于计数或遍历的数据类型，如：列表、元组、

字典和字符串等。

for

循环语法格式如下：

fo

r

v

a

r

i

a

bl

e

in

it

e

r

a

bl

e

:

ex

pressio

n

1Il

ex

pressio

n

2.

.

.相较于while

循环，在for

循环执行之前，明确知道具体的循环次数上限。相关

示例如下：控制语句和函数

控制语句循环语句#

fo

r

循环的使用示例In[43]:arr

=[1

,2,3,

4,5,

6,7,8,9

]

.

.

.

:fo

rnumberin

arr

:.

.

.

:p

r

i

nt

(

number**2,end

=

’’

)Out

[43]:

1

4

9162536496481

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

25/

80

循环语句经常与break、

continue、

pass结合使用 break：无条件结束整个循环，通常用于

if

语句后面，满足条件时，终止循环

continue：无条件结束本次循环，重新进入下一轮循环。 pass：略过

控制语句和函数

控制语句循环语句

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

26/

80

In[45]:squares

=[

0

,

1,

4,

9,1

6,

2

5

].

.

.

:

fo

ri,valinenumerate(squares)

:

.

.

.

:

p

r

i

nt

(i

,

val)Out

[45]:

001

1243

94

16525控制语句和函数

控制语句循环语句 enumerate()

函数可用于遍历序列

(如列表、元组或字符串)

中的元素以及它们的

指标，一般结合

for

循环使用。

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

27/

80

列表推导（list

comprehension）

操作是一种强大而常用的功能。

列表推导利用for

循环遍历某一列表中满足条件的所有元素，并根据要求生成一

个新的列表。

控制语句和函数

控制语句循环语句

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

28/

80

函数是代码的一种组织形式。一般情况下，可完成一项特定的功能。 Python

内置了许多有用的函数，这些内置函数可以被直接调用，例如

len()

函数，

print()

函数，type()

函数等。

除了内置函数，我们也可以自定义函数。自定义函数的语法格式如下：控制语句和函数

函数函数fun

ctio

n

(

v1

,v2

,

.

.

.):

ex

pressio

n

1ex

pressio

n

2.

.

.returnex

press

io

n

/

value

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

29/

80

def

变量类型来看，可以是数字，列表等使用列表或其他迭代器作为输入可以“不指定输入的参数个数”

根据变量的作用范围限制，可以分为局部变量和全局变量

函数名本身也可以作为输入参数

控制语句和函数

函数函数的参数输入

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

30/

80

Python

有许多内置模块（Module），也包含了许多函数。

和系统的交互模块：

os，和解释器的交互模块：

sys科学计算和数据处理模块：

numpy、

scipy、

pandas

等。

如果需要使用这些模块中的函数，先要把模块导入。

import

moduleIl

import

moduleasxx或者直接导入模块中的函数或子库Il

form

module

import

statementIlformmoduleimportstatementas

xx控制语句和函数

函数内置模块

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

31/

80

控制语句和函数

函数内置模块import

mat

plot

lib

.pyplot

as

import

numpy

a

snpimport

pandasa

s

pdimport

numpy.

li

n

a

lg

a

sl

afrom

numpy

importli

n

a

lg

a

s

importte

n

so

r

flowa

st

fpl

t

#画图模块#科学计算模块

#数据处理模块

#线性代数模块l

a#同上，另一种写法

#深度学习模块

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

32/

80

经常用到的模块1

基础变量类型2

控制语句和函数3

科学计算和数据处理4

作图和可视化5

输入和输出6

面向对象编程7

常用工具库简介科学计算和数据处理目录

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

33/

80

科学计算和数据处理科学计算和数据处理Python

中有一些库能够高效地解决各种科学计算和数据处理的问题。

Numpy、

SciPy：最重要的科学计算库， Pandas：最常用的快速处理结构化数据的库。

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

34/

80

Numpy（Numerical

Python

的简称）

是

Python

语言在数值计算的扩展。它添加

了对多维数组和矩阵数据类型的支持，并包含了对这些数组和矩阵进行操作的数

学函数库。

能高效进行数据处理和分析，包含一些常用的数学函数和统计函数。

还可以用于数组文件的输入输出、线性代数运算和随机数生成等问题。

引入

Numpy

的语句如下：Ilimport

numpya

snp科学计算和数据处理

NumpyNumpy

机器学习与

python

实践

()

第二章Python

科学计算简介

人民邮电出版社

35/

80

n

维数组（ndarray）

是Numpy

支持的一种数据结构，它是一种高效的数据存储

器，支持对数据批量运算。 Python

要求数组中每个元素的类型都是相同的，否则会报错。

创建数组时（1

）一般用

array()

或者

asarray