1、Python简介
学习前提：C语言
参考资料：https://docs.python.org/zh-cn/2.7/index.html
Python版本（个版本语法差异很大）：
V2.7.：各种类库资源比较丰富
V3.4.：改进了许多Python的语法
Python的优势：
Python更简单易用，容易出成果
Python还提供比C更多的错误检查
Python可以方便的实现其它Python程序中重复使用的模块
Python是一门解释性的语言，因为没有编译和链接
2、Python环境搭建
Python+Eclipse+PyDev
配置Eclipse
在Eclipse中建立Python工程
3、Python最基本语法
Python文件后缀是.py
print的使用
语句不用加；
中文显示：# -- coding:utf-8 --
注释：# 单行注释
‘’’ 多行注释 ‘’’
变量不需要定义，直接拿来使用，变量不需要指明数据类型
4、Python的基本算数运算
+，-，*，()
/:整数运算向下取整，浮点数运算正常显示
%：取余运算，整数运算
**：计算幂乘方，优先级较高
=：赋值运算符可以给变量赋值
5、Python的字符串及基本运算符
字符串：‘字符串’，“字符串"一样的效果，都以解释转义字符
原始字符串：r’字符串’
跨行字符串：三引号：”""…""“或者’’’…’’’。首行加\，避免换行
“””
Usage: thingy [OPTIONS]
-h Display this usage message
-H hostname Hostname to connect to
“”"
+运算符连接字符串，两个字符串也可以自动连接
*运算符重复显示字符串
字符串可以用下标索引，下标从0开始，
索引值正：左到右
索引值负：右到左
切片：word[0:2],word[:2],word[3:]
Python字符串不可以被更改,它们是不可变的.如果想改变必须创建新的字符串
len函数可返回字符串的长度
6、Python的列表及其操作
列表写成中括号中的一列用逗号分隔的值，类型可相同也可不同
与字符串一样可以索引和切片
通过+运算可以进行连接
列表的值可以通过索引改变
列表通过append()方法可以在列表后面加入元素
len可以得到列表的元素个数
列表也可以嵌套
7、Python中的关系运算
>,<,==,!=,>=,<=,in
返回结果为真或假
8、Python中的逻辑运算
and：同真为真，否则为假
or：同假为假，否则为真
not：假变真，真变假
短路规则：
and：当第一个式子为假，就不在运算后面的式子了
or：当第一个式子为真，就不在运算后面的式子了
9、Python中的分支结构
Python是用缩进来标明成块的代码
通过if 条件: 来开始分支，else:来开始else分支
通过if 条件: elif来开始新的分支
if结构可以嵌套
10、Python中的循环结构
循环用于重复执行一些程序块
for循环的基本结构
for 元素 in 序列:
statement
函数range()可以快速建立表
while循环的基本结构
while 条件:
statement
循环中断
break：跳过整个循环
continue：在循环的某一次执行中，如果遇到continue, 那么跳过这一次循环，进行下一次的循环
11、Python中的函数使用
函数最重要的目的是方便我们重复使用相同的一段程序
函数的定义的基本格式：
def 函数名(参数列表逗号隔开):
函数体处理
return 处理结果
函数的参数可有可无，return语句可有可无，可返回多个值用逗号隔开，代表一个tuple
函数的调用方法：直接通过函数的名字加参数
参数传递：
值传递：基本数据类型
指针传递：列表
12、Python中类的基本操作
Python使用类(class)和对象(object)，进行面向对象（object-oriented programming，简称OOP）的编程。
面向对象思想：
类：对象的集合
对象：某一个类的实例
定义类的基本格式
class 类名()：
属性
属性
def 方法名(参数):
方法体
定义类的对象
变量名 = 类名()
类的对象访问属性：变量名.属性名
13、Python中类的继承
类本身进一步细分成子类的过程，称为继承
继承的基本格式
class 类名(父类名):
属性
方法：
方法体
子类享有父类的所有属性，面向对象的思想提高了程序的可重复使用性。
如果没有写父类，那么父类是object。
14、Python中类的特殊用法
类中方法的self参数，在方法内部调用自身的属性或方法
构造方法__init__()，实例化对象的时候自动调用
构造方法可无参数也可有参数
15、Python中概念澄清
Python是一门面向对象语言
dir函数可以查看类或者对象的所有属性
help函数可以查看类的详细信息
list和tuple都是类，常用方法count，index，append，sort，pop，remove，insert等
http://tool.oschina.net/apidocs/apidoc?api=python2.7.3
基本的运算都可以对类进行操作，但是可能做了一些适应，+
你也可以在自己的类中定义"+"运算
16、Python中的容器container
能储存多个元素的对象称为容器(container)
list，tuple都是容器
词典(dictionary)也是容器，类似于其他语言的map，有key和value
词典包含有多个元素，每个元素以逗号分隔。每个元素包含有两部分，键和值，不可变对象作为键。值可以是任意对象。键和值两者一一对应。
词典的元素没有顺序。不能通过下标引用元素，只能通过键来引用
可以通过对新的key赋值value，在词典中加入新的元素
词典常用方法：
dic.keys()：得到所有的key
dic.values()：得到所有的值
dic.items()：得到所有的键值对
del dic[2]：删除词典中的key为2的元素
len函数：可得到dic中元素个数
17、Python中的文本文件操作
Python具有基本的文本文件读写功能
创建文件对象：f = open(文件名，模式)
最常用的模式有：
“r” # 只读
“w” # 写入
文件对象常用方法：
读取：
str = f.read(N) # 读取N bytes的数据
str = f.readline() # 读取一行
str = f.readlines() # 读取所有行，储存在列表中，每个元素是一行。
写入：
f.write(‘I like Python’) # 将’I like Python’写入文件
关闭文件：
f.close()
18、Python中的模块结构
模块(module)是为了更好的组织已经有的程序，以方便重复利用
在Python中一个.py文件就构成一个模块。可以调用其它文件中的程序。
引入模块：
定义一个模块1，实现一个方法，或者是第三方的模块
在模块2中通过import导入模块1，不加.py后缀
在模块2中通过 模块.对象 即可调用
其他引入方式：
import a as b # 引入模块a，并起名字为b，今后用b调用
from a import function1 # 从模块a中引入function1对象。调用时可不说明
from a import * # 从模块a中引入所有对象。调用时都不用说明
模块搜索路径：
1、程序所在的文件夹，自定义的模块或者引入的第三方模块
2、标准库的安装路径
3、操作系统环境变量PYTHONPATH所包含的路径
可以将模块放在同一个文件夹中，构成一个模块包，此包必须包含一个__init__.py的文件
引入模块包：import 包名.module
19、Python中特殊的参数传递
函数的参数传递一般是根据位置，传递对应的参数
函数的参数也可以根据每个参数的名字传递参数，函数调用的时候指明要传递的参数的名字
Python中还支持函数参数的默认值，在定义函数的时候写上参数默认的值即可，调用时此参数可以不传值就用默认的值，
注意：如果要使用函数的参数默认值的话，一定要从右边开始有默认值
包裹参数定义：函数的参数不确定的时候可以使用，定义函数时参数前面加*，调用函数时可传递多个参数，函数已tuple的形式接收
如果参数传递的是一个字典，则参数前面加**
函数如果定义不变，希望把tuple或者词典的内容分别传给对应的参数的话，可以使用解包裹方法传参数
def func(a,b,c):
print a,b,c
args = (1,3,4)
func(*args)
dict = {'a':1,'b':2,'c':3}
func(**dict)
20、Python中循环相关的常用函数介绍
range(start, stop[, step])函数：可以构造列表
S = ‘abcdefghijk’
for i in range(0,len(S),2):
print S[i]
enumerate()：可以在每次循环中同时得到下标和元素
S = ‘abcdefghijk’
for (index,char) in enumerate(S):
print index
print char
zip()：可以在一次循环中从各个序列分别取出一个元素
ta = [1,2,3]
tb = [9,8,7]
tc = [‘a’,‘b’,‘c’]
for (a,b,c) in zip(ta,tb,tc):
print(a,b,c)
21、Python中的函数对象
在Python中函数也是对象，可以赋值给其它对象名，或者作为参数传递
可以使用lambda函数，构造新的函数
func = lambda x,y: x + y
print func(3,4)
函数可以作为一个对象，进行参数传递
map()是Python的内置函数，有两个参数：
一个是lambda所定义的函数对象
一个是包含有多个元素的表
作用是把每个元素都带入lambda函数运算
filter()函数用来筛选数据，参数如下：
一个是lambda所定义的函数对象
一个是包含有多个元素的表
作用是把每个元素都带入lambda函数返True，则该次的元素被储存于返回的表中。
reduce()函数可以累积地将函数作用于各个参数
一个是lambda所定义的函数对象
一个是包含有多个元素的表
作用将前两个元素(1和2)传递给lambda函数，得到3。该返回值(3)将作为lambda函数的第一个参数，而表中的下一个元素(5)作为lambda函数的第二个参数，进行下一次的对lambda函数的调用，得到8。依次调用lambda函数，每次lambda函数的第一个参数是上一次运算结果，而第二个参数为表中的下一个元素，直到表中没有剩余元素。
22、Python中的异常处理
Python中捕获异常的方式:
try:
except exception1:
else:
finally:
如果本层次没有捕获异常，则向上抛出
手动抛出异常：raise
23、Python中的数学库的使用
Python中有很多内建函数
http://python.usyiyi.cn/python_278/library/functions.html
math包主要处理数学相关的运算
常量
math.e # 自然常数e
math.pi # 圆周率pi
基本函数
math.ceil(x) # 对x向上取整，比如x=1.2，返回2
math.floor(x) # 对x向下取整，比如x=1.2，返回1
math.pow(x,y) # 指数运算，得到x的y次方
math.log(x) # 对数，默认基底为e。可以使用base参数，来改变对数的基地。
math.sqrt(x) # 平方根
三角函数: math.sin(x), math.cos(x), math.tan(x), math.asin(x), math.acos(x), math.atan(x)
角度和弧度互换: math.degrees(x), math.radians(x)
双曲函数: math.sinh(x), math.cosh(x), math.tanh(x), math.asinh(x), math.acosh(x), math.atanh(x)
24、Python在数据挖掘方面的优势及相关库
数据挖掘：
R做文本挖掘现在还有点弱，当然它的优点在于函数都给你写好了，你只需要知道参数的形式就行了，有时候即使参数形式不对，R也能“智能地”帮你适应。这种简单的软件适合想要专注于业务的人。
Python几乎都可以做，函数比R多，比R快。但是缺点是比R难学一点。它是一门语言，R更像是一种软件，所以python更能开发出flexible的算法。
（1）Python标准库。这里主要是体现了Python处理字符串的优势，由于Python多功能的属性和对于正则表达式的良好支持，用于处理text是在合适不过的了。
（2）Numpy与Scipy。这两个包是Python之所以能在数据分析占有一席之地的重要原因。其中Numpy封装了基础的矩阵和向量的操作，而Scipy则在Numpy的基础上提供了更丰富的功能，比如各种统计常用的分布和算法都能迅速的在Scipy中找到。
（3）Matplotlib。这个Package主要是用来提供数据可视化的，其功能强大，生成的图标可以达到印刷品质，在各种学术会议里面出镜率不低。依托于Python，可定制性相对于其他的图形库更高。还有一个优点是提供互动化的数据分析，可以动态的缩放图表，用做adhoc analysis非常合适。
（4）符号运算的库：Sympy和Theano
（5）Scikit Learn。非常好用的Machine Learning库，适合于用于快速定制原型。封装几乎所有的经典算法(神经网络可能是唯一的例外，不过这个有Pylearn2来补充)，易用性极高。
25、Python中配置安装easy_install和pip
setuptools安装
1、Python的环境变量配置好：系统属性–>高级–>环境变量–>系统变量中path中加入python的安装路径
Python的库路径环境变量配置好：系统属性–>高级–>环境变量–>系统变量中path中加入python\Scripts路径
2、下载setuptools，https://pypi.python.org/pypi/setuptools#files，解压到setuptools目录
3、运行cmd，切换到setuptools目录，输入python setup.py install
4、运行cmd，任意目录可输入：easy_install --showhelp，显示内容则说明easy_install安装成功
pip安装
1、下载pip，解压到pip目录
2、运行cmd，切换到pip解压目录，python setup.py install
3、运行cmd，任意目录可输入：pip help，显示内容则说明pip安装成功
easy_install命令的使用
安装库：easy_install PackageName
更新库：easy_install -U PackageName
删除库：easy_install -m PackageName
显示帮助：easy_install --showhelp
pip命令的使用
安装库：pip install PackageName
更新库：pip install -U PackageName
删除库：pip uninstall PackageName
查找库：pip search PackageName
显示帮助：pip help
如果出现ascii相关的异常：
修改mimetypes.py文件，路径位于python的安装路径下的Lib\mimetypes.py文件。在import下添加如下几行：
if sys.getdefaultencoding() != 'gbk':
reload(sys)
sys.setdefaultencoding('gbk')
26、Python中配置安装Numpy
NumPy系统是Python的一种开源的数字扩展。这种工具可用来存储和处理大型矩阵。
NumPy的功能：
1、一个强大的N维数组对象Array；
2、比较成熟的（广播）函数库；
3、用于整合C/C++和Fortran代码的工具包；
4、实用的线性代数、傅里叶变换和随机数生成函数。
NumPy下载地址：http://sourceforge.net/projects/numpy/files/
常见集中安装方法：
第一种:在Numpy的官网下载对应系统及python版本的安装exe，直接安装
第二种:easy_install或者pip进行自动安装
第三种:在官网下载python源码进行安装，切换目录，输入python setup.py install
numpy安装：运行cmd，切换到numpy目录，python setup.py install
错误：如果提示 "Microsoft Visual C++ 9.0 is required"
windows下使用pip安装包的时候需要机器装有vs2008，VS2012不行，或者安装Micorsoft Visual C++ Compiler for Python 2.7的包
错误：Unable to find vcvarsall.bat”解决办法
在python目录中搜索msvc9compiler.py文件，找到如下
vc_env = query_vcvarsall(VERSION, plat_spec)
修改为：vc_env = query_vcvarsall(11.0, plat_spec)
错误：RuntimeError: Broken toolchain: cannot link a simple C program
在%PythonHome%Lib\distutils下，（默认是C:\Python27\Lib\distutils）修改msvc9compiler.py文件：
找到如下
mfinfo = self.manifest_get_embed_info(target_desc, ld_args)
修改为：
mfinfo = None
测试安装完成：python环境中，import numpy，不报错误，print np.array([1,2,3,4])，构造数组
27、Python中配置安装Scipy
SciPy是一个开源的Python算法库和数学工具包。 SciPy包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。与其功能相类似的软件还有MATLAB、GNU Octave和Scilab。
Scipy下载地址：http://sourceforge.net/projects/scipy/files/Scipy
scipy安装：使用官网exe，依赖numpy
import scipy不报错即可。
求解方程实例
from scipy.optimize import fsolve
from math import sin,cos
def f(x):
x0 = float(x[0])
x1 = float(x[1])
return [
2*x1-6,
4*x0 + x1 -7
]
result = fsolve(f, [1,1])
print result
print f(result)
28、Python中配置安装Matplotlib
Matplotlib是Python的图形框架，类似MATLAB和R。绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。
Matplotlib下载地址：https://pypi.python.org/pypi/matplotlib/
Matplotlib安装：使用官网exe
测试代码
import matplotlib.pyplot as plt
plt.plot([1,2,3])
plt.ylabel('some numbers')
plt.show()
错误ImportError: No module named six
把C:\Python27\Lib\site-packages\scipy\lib中的six.py six.pyc six.pyo三个文件拷贝到C:\Python27\Lib\site-packages目录下
错误：ImportError: six 1.3 or later is required; you have 1.2.0
https://pypi.python.org/pypi/six/ 下载最新的six版本，解压缩
可以找到six.py six.pyc six.pyo三个文件，然后把它们拷贝到C:\Python27\Lib\site-packages\scipy\lib和C:\Python27\Lib\site-packages（替换原来的文件）
错误：matplotlib requires dateutil
安装：easy_install python-dateutil
错误：matplotlib requires pyparsing
安装：easy_install pyparsing
实例代码：
import numpy as np
import matplotlib.pyplot as plt
N = 5
menMeans = (20, 35, 30, 35, 27)
menStd = (2, 3, 4, 1, 2)
ind = np.arange(N) # the x locations for the groups
width = 0.35 # the width of the bars
fig, ax = plt.subplots()
rects1 = ax.bar(ind, menMeans, width, color='r', yerr=menStd)
womenMeans = (25, 32, 34, 20, 25)
womenStd = (3, 5, 2, 3, 3)
rects2 = ax.bar(ind+width, womenMeans, width, color='y', yerr=womenStd)
# add some
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(ind+width)
ax.set_xticklabels( ('G1', 'G2', 'G3', 'G4', 'G5') )
ax.legend( (rects1[0], rects2[0]), ('Men', 'Women') )
def autolabel(rects):
# attach some text labels
for rect in rects:
height = rect.get_height()
ax.text(rect.get_x()+rect.get_width()/2., 1.05*height, '%d'%int(height),
ha='center', va='bottom')
autolabel(rects1)
autolabel(rects2)
plt.show()
29、Python中配置安装Sympy
SymPy是Python的数学符号计算库，用它可以进行数学公式的符号推导，其功能包括基本的算术，基本简化，一系列扩大，功能（exp, ln, sin, cos, tan, 等），分化，整合（目前只能做很简单的积分），基本替代，任意精度的整数和有理数，标准（Python）的浮点，基本复杂的数字和符号的限制。
Sympy安装地址：https://github.com/sympy/sympy/releases
Sympy安装：使用官网exe
实例代码：
from sympy import Symbol, cos
x = Symbol("x")
print (1/cos(x)).series(x, 0, 10)
30、Python中配置安装Scikit Learn
Scikit-Learn是基于python的机器学习模块，基于BSD开源许可证。Scikit-Learn的安装需要numpy，scipy，matplotlib等模块。Scikit-Learn中的机器学习模型非常丰富，包括SVM，决策树，GBDT，KNN等等。
scikit-learn的基本功能主要被分为六个部分，分类，回归，聚类，数据降维，模型选择，数据预处理。
对于具体的机器学习问题，通常可以分为三个步骤，数据准备与预处理，模型选择与训练，模型验证与参数调优。
官方网站：http://scikit-learn.org/stable/
安装地址：http://sourceforge.net/projects/scikit-learn/files/
下载scikit-learn-0.16.1.win32-py2.7.exe
实例代码：
from sklearn import datasets
iris = datasets.load_iris() #载入测试数据集
print iris.data.shape
31、Python应用领域总结
Python+Django，web开发
Python+wxWidgets，桌面应用
Python适合实现算法，适合数据挖掘算法改进
