Python 笔记本

1. 简介

Python 是一种简单、易学、高级编程语言，它具有强大的功能和丰富的库，广泛应用于各个领域，包括数据科学、机器学习、Web 开发等。本文将介绍 Python 的基础知识和常用库，帮助读者快速入门和掌握 Python 编程。

2. Python 安装与环境配置

2.1 安装 Python

首先，我们需要从官方网站下载 Python 的安装包。Python 支持多个版本，建议选择最新的稳定版本进行安装。安装程序会提供图形化界面，按照指示步骤操作即可完成安装。

2.2 配置 Python 环境变量

在安装完成后，我们需要配置 Python 的环境变量，以便在命令行中可以直接运行 Python 解释器。在 Windows 系统中，可以按下 Win + R 组合键打开运行对话框，然后输入 sysdm.cpl 打开系统属性窗口。点击 “高级” 选项卡，然后点击 “环境变量” 按钮，在系统环境变量中找到名为 “Path” 的变量，点击编辑，在新建的编辑框中输入 Python 的安装路径，然后点击确定保存。

3. Python 基础语法

3.1 变量与数据类型

Python 是一种动态类型语言，不需要声明变量的类型，可以直接赋值。Python 支持多种基本数据类型，包括整数、浮点数、字符串、布尔值等。

下面是一些示例：

# 整数
a = 10
print(a)

# 浮点数
b = 3.14
print(b)

# 字符串
c = "Hello, World!"
print(c)

# 布尔值
d = True
print(d)

输出：

10
3.14
Hello, World!
True

3.2 条件语句和循环

Python 提供了 if 语句和循环语句来实现条件判断和重复执行的功能。

3.2.1 条件语句

# if 语句
x = 10
if x > 0:
    print("x is positive")
elif x == 0:
    print("x is zero")
else:
    print("x is negative")

输出：

x is positive

3.2.2 循环语句

Python 有两种常用的循环语句：for 循环和 while 循环。

# for 循环
for i in range(5):
    print(i)

# while 循环
i = 0
while i < 5:
    print(i)
    i += 1

输出：

3.3 函数和模块

Python 支持函数和模块的定义，可以方便地封装代码和重用代码。

3.3.1 函数

# 函数定义
def greet(name):
    print("Hello, " + name + "!")

# 函数调用
greet("Alice")

# 函数返回值
def add(a, b):
    return a + b

result = add(3, 4)
print(result)

输出：

Hello, Alice!
7

3.3.2 模块

Python 的模块是一个包含 Python 定义和语句的文件，可以通过其他 Python 程序导入并使用其中的函数和变量。

对于简单的模块，可以直接使用 import 语句导入：

# 导入模块
import math

# 使用模块中的函数
result = math.sqrt(16)
print(result)

输出：

4.0

3.4 异常处理

在程序执行过程中，可能会出现各种错误和异常。Python 提供了异常处理机制，可以捕获和处理异常，避免程序崩溃。

# 异常处理
try:
    result = 10 / 0
except ZeroDivisionError:
    print("Error: division by zero")

输出：

Error: division by zero

4. Python 常用库

Python 生态系统中有许多强大的库，能够帮助我们简化开发流程，提高效率。下面介绍几个常用库的使用。

4.1 NumPy

NumPy 是一个强大的科学计算库，提供了多维数组对象和对数组进行操作的函数。它可以用来处理大型、多维的数组和矩阵，以及执行各种数学运算。

# 导入 NumPy 库
import numpy as np

# 创建 NumPy 数组
a = np.array([1, 2, 3, 4, 5])
print(a)

# 使用 NumPy 函数进行运算
b = np.sqrt(a)
print(b)

输出：

[1 2 3 4 5]
[1.         1.41421356 1.73205081 2.         2.23606798]

4.2 Pandas

Pandas 是一个数据分析库，提供了数据结构和数据分析工具，使得数据处理变得简单、快速。

# 导入 Pandas 库
import pandas as pd

# 创建 Pandas Series
s = pd.Series([1, 3, 5, np.nan, 6, 8])
print(s)

# 创建 Pandas DataFrame
df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
print(df)

输出：

0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

   A  B
0  1  4
1  2  5
2  3  6

4.3 Matplotlib

Matplotlib 是一个绘图库，用于创建各种静态、动态、交互式的图表和图形。

# 导入 Matplotlib 库
import matplotlib.pyplot as plt

# 创建图表
x = np.linspace(-np.pi, np.pi, 100)
y = np.sin(x)

plt.plot(x, y)
plt.xlabel("x")
plt.ylabel("y")
plt.title("Sine Function")
plt.show()

4.4 Scikit-learn

Scikit-learn 是一个机器学习库，提供了一系列用于分类、回归、聚类和降维等任务的工具和算法。

# 导入 Scikit-learn 库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建分类器并训练模型
knn = KNeighborsClassifier()
knn.fit(X_train, y_train)

# 预测结果
y_pred = knn.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

输出：