白话机器学习

先不要管下面这个案例有没有用，你只需要知道，使用正则做数据清洗多好用；将指定位置的字符，替换为给定的字符串(接受正则表达式)findall使用正则表达式，做数据清洗，真的很香！利用正则表达式，去字符串中匹配，返回查找结果的列表。接受正则表达式，抽取匹配的字符串(一定要加上括号)在字符串的左边、右边或左右两边添加给定字符。8.pad+side参数/center。使用给定的字符串，替换指定的位置的字符。将指定位置的字符，替换为给定的字符串。计算给定字符在字符串中出现的次数。获取指定位置的字符串。

os.path.split() 将路径 path 拆分为一对，即 (head, tail)，其中，tail 是路径的最后一部分，而 head 里是除最后部分外的所有内容。os.path.getatime(path)返回path的最后访问时间，返回的时间为秒（时间戳），可以利用tiem转换成常用的时间格式。os.path.getctime(path) 在windos下获取文件的创建时间，在Unix返回的是最后的修改时间。os.path.abspath(path) 返回路径 path 的绝对路径。

本篇重点介绍python文件处理的方法。

上面看到的%matplotlib就是IPython魔术命令的一个示例，基于IPython内核，Jupyter可以访问IPython内核中的所有魔法，它们可以让我们更轻松的使用 Jupyter！但是鲜为人知的是，我们可以修改一个 ast_note_interactivity 选项，使Jupyter对自己行中的任何变量或语句执行此操作，这样我们就可以一次看到多个语句的值。使用%%writefile将该单元格的内容保存到外部文件中，%pycat的作用正好相反，它（在弹出窗口中）可以显示外部文件的内容。

作为单位运行的，选中一个代码块后，点击运行只会运行当前单元格的内容，每个单元格相当于一个“断点”，所以很适合将一个大工程分段调试，比如我就经常分“导入数据”，“处理数据”，“绘图”等模块，分块调试程序。在数据分析中，你会用到很多第三方的包，而conda（包管理器）可以很好的帮助你在计算机上安装和管理这些包。这时会出现很多字，不用管它。（2）相比Pycharm等，Spyder更轻便，是专门为数据科学开发的IDE，其合并的NumPy、Matplotlib 和 SciPy库都是数据分析的主流第三方库。

d.setdefault(key, default_value) ---如果 key 已存在，则返回对应的 value，若 key 不存在，则返回 default_value，并在原字典中新增键值对 key: default_value。整形-int-不可变、浮点型-float-不可变、字符型-str-不可变、列表-list-可变、元祖-tuple-不可变、字典-dict-可变。GIL 可能会影响多线程程序的性能，因此通常不建议在 Python 中开发 CPU 密集型的多线程程序。

thread.join() 方法的作用是阻塞当前线程，直到调用 join() 方法的线程结束。print(random.choices([10,20,30],k=2)) # 随机从列表选择 k 个数，返回列表形式，取出放回方式，意思是取出的数可以重复。round() 第一个参数是要处理的数字，第二个可选参数为四舍五入保留的位数，若不传如第二个参数，则默认四舍五入到最近的整数。对于可变数据类型，浅拷贝只拷贝第一层中的引用，深拷贝在拷贝时，会逐层进行拷贝，直到所有的引用都是不可变对象为止。

特殊的迭代器，只需要使用 yield 关键字，那么就会立即变为一个生成器，也就是说，只要一个函数中包含了一个 yield 关键字（不管几个），那么这个函数就会自动变成一个生成器函数；进程：正在执行的程序，将静态的执行代码运行起来，进程内拥有该程序执行所需的全部资源；每个线程都有自己的堆栈，自己的程序计数器，自己的局部变量，这里体现了程序的独立性；函数和普通变量的存储原理是一样的，函数名可以像变量名那样去使用，比如可以进行赋值；迭代器是迭代对象的一种，迭代器一定是可迭代对象，可迭代对象不一定是迭代器。

通过字符串的形式在运行时动态修改程序的变量、方法及属性，所有的修改都在内存中进行，所以他并不会实际修改代码，主要目的就是提高代码在运行时的灵活性；getattr 获取对象属性值或方法的引用，如果是方法，则返回方法的引用，如果是属性，则返回属性的值，如果该方法或属性不存在，则抛出异常；w：只写模式，如果用 w 模式打开，一律会清空之前文件的所有内容，如果文件不存在，则自动创建文件，从头开始写；w+：读写模式，也会清空之前文件的所有内容，如果文件不存在，则自动创建文件，从头开始写；

string.find(str, start=0, end=len(string)) | 检测 str 是否包含在 string 中，如果 start 和 end 指定范围，则检查是否包含在指定范围内，如果是返回开始的索引值，否则返回 -1；string.replace(old_str, new_str, num=string.count(old)) | 把 string 中的 old_str 替换成 new_str，如果 num 指定，则替换不超过 num 次；

Keras 并非简单的神经网络库，而是一个基于Theano 的强大的深度学习库，不仅可以搭建简单普通的神经网络，还可以搭建各种深度学习模型，如自编码器、循环神经网络、递归神经网络、卷积神经网络等。Pandas 是Python下最强大的数据分析和探索工具，包含高级的数据结构和精巧的工具，支持类似SQL的数据增、删、查、改，并有丰富的数据处理函数；支持时间序列分析功能；Scikit-learn 是一个与机器学习相关的库，它提供了完善的机器学习工具箱，包括数据预处理、分类、回归、聚类、预测、模型分析等。

大数据市场急需 Python开 发 者，不是 Python开发者的专家也可以以相当低廉的成本快速的学习这门语言，从而最大化用在分析数据上的时间，最小化学习这门语言的时间，节约了开发成本和门槛。包括数据搜集，清洗，整理，可视化，机器学习，人工智能，开发，运维等。Python语言是一种开源的编程语言，属于使用弱类型的脚本语言，1989年发明由GuidovanRossum发明，Python优势的最大优点就是比其他语言更简单易学，功能强大的解释型编程语言，语法简单，数据结构高效，能快速实现面向对象编程。