Python编程：从入门到实践 PDF 中文扫描版

给大家带来的一篇关于Python3.5编程相关的电子书资源，介绍了关于Python入门、Python实践、Python编程方面的内容，本书是由中国工信出版集团出版，格式为PDF，资源大小9.85M，埃里克·马瑟斯编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：8.8，更多相关的学习资源可以参阅APP设计、Druid、Angular2、cookie、PHP、等栏目。

Python编程：从入门到实践电子书封面

疑惑解答

问：为何选择这本书学习Python？

答：效率高，代码更容易阅读、调试和扩展，用途广泛：游戏、WEB应用、商业问题、学术研究……，有码农之家的Python专区作为学习资料的下载基地，和知识坚强的后盾。

问：我完全没有编程经验，能读懂这本书吗？

答：没问题，本书从基础编程知识开始，循序渐进，层层深入，适合零基础读者阅读。自出版以来，本书帮助众多新手和有其他语言编程经验的程序员成为拥有扎实基础的Python程序员，收货无数好评。

问：读完本书会后，我能达到怎样的水平？

答：本书旨在让你尽快的学会Python。通过阅读本书你将迅速掌握编程概念，打下件数的基础，并养成良好的习惯，读完本书，你就可以开始学习Python高级技术，能够轻松地掌握其他编程语言。

读者评价

这本书还算有意思，让我大致了解了python编程到底是什么意思，假装在编辑器上写上几行代码，甚至超越了hello，world的水平。连智商只有50的老夫都学会了list、字典啊、各种条件判断呀、奇怪的函数呀等等。真是一本step by step的好教材。

从编程小白的角度看，入门极佳。手把手教的感觉，却绝不啰嗦。什么叫入门书？一本书读下来，行文上不卡壳，逻辑上不跳跃，读者如爬楼梯，一步一步即可登楼。

架构非常漂亮，基本一本书描绘了Python的一幅“景象”，它不是教科书式的分章节阐释语法，仅在前半部分讲到一些基本的表达（如果已经有面向对象编程基础的，就只剩下语法问题），后面的三个操作案例分别是游戏开发、简单的数据可视化和web应用，没有太复杂的概念延伸，入门可，但基本不会重读

我最开始看的是《深入浅出 python 》，基于《深入浅出统计学》和《深入浅出数据分析》的良好印象。但《深入浅出 python 》一点都不浅！！它就是任务型的，有时候一个问题我可能需要自己在网上研究两天才能解决，满满的挫败感啊！而《Python编程：从入门到实践》在学习中几乎不会遇到什么疑惑，对小白非常友好！！

很显然这是我读过的海量 Python 入门书籍中如白马驹过裂隙般平淡无奇的一本，必须要说的是这本书并不是特别系统和全面，里面的所有内容其实都是围绕着最后的三个案例而设计的。不过，这可能是入门书籍中最简单清晰的一本，如果学习者连这本都不下去的话，那基本也没有一本更简单的书带你入门了。当然，随着阅读的进行，一个隐晦的公理也昭然若揭。如果不自己操作代码，看再多的入门教程也是没有用的。起码你得明确的知道，写一门语言是该用来干什么的。比如，我就知道。我学 Python 纯粹是为了轻松一点毕业。我研究生的课余生活实在是过于花团锦簇，以至于如何写出一个看起来不那么寒碜的论文就成了非常实际且迫切需要解决的问题。Python 拯救了我，我没有花费特别大的精力就用 OpenCV 实现了一个看起来还挺有深度（但其实一点不复杂）的项目，当时我觉得 C 语言和 Python 的差别就像一匹马和一辆无照电瓶车的距离：电瓶车更快，但很显然骑马更具有操纵感。可惜的是在这之后我就很久没有碰过 Python 了，以至于再拿起 Python 的时候要找本书重新过一遍语法。当然对我而言，即使不碰编程语言也没有太大所谓，毕竟已经不需要再拿它来谋一份营生，但闲的时候还总是放不下，毕竟心里还有个 Kaggle 的念想。不试试总像是缺点什么一样。我在想，看这本书的人应该是学习 Python 的青年中，对自己智力最没有信心的那一波了。当然这不重要。重要的是，你有很多不同的理由——甚至是极为功利的理由——认识一个东西或者一件事（或者一个人），但要热爱它，并能与之共同前行，则需要一个很纯粹的，也许是很模糊但必须非常直接可感的理由。当我们真正找到这样一个理由的时候，也许才是步入某座殿堂大门的开始。

本人艺术生，现在转程序员中。完全零基础小白。在各大论坛混迹了很久，都推荐从python入手，于是就开始了求学之路。一开始都说笨方法那本书很好，我买了看，发现书里的是2.7的内容，不过也看的下去，可是一知半解很迷糊，毕竟纯小白。后来又无意间搜到了这本书，跟着学了几页，太棒了！知识点解释的很到位，我这种白痴都看得懂，每一步都有解释，一步一步循循善诱，真的想给写这本书的人一个大大的拥抱。有点基础的可能会觉得这本书很啰嗦，但是对我这种毫无基础的人来说，简直神书。学到pygame那一章节制作外星人游戏，开始犯迷糊，不过解释都看得懂，只不过让我自己写是做不到的。后来学到了django，就完全看不懂了，我觉得是我前端经验不够。所以现在打算去学前端。然后再回过头学django，然后再从另一本笨方法慢慢看起。

2016年出版的书，豆瓣评分高达8.6，基于 Python3.5 同时也兼顾 Python2.7 ，作者推荐的编辑器 Geany 我没用过，不好做评论，不过个人推荐使用 Pycharm 或者 Sublime。书中涵盖的内容是比较精简的，没有艰深晦涩的概念，最重要的是每个小结都附带有”动手试一试”环节，学编程最佳的方式就是多动手、多动脑。很多初学者看完书之后不知道下一步怎么办，快速提高编程能力的最佳途径就是做项目，而这本书巧妙地安排了三个实践项目，一个游戏、一个Web和一个数据可视化项目，如果你跟着教程把项目做下来，相信你的编程功底绝对会上升一个层次。作者还专门安排了一个章节是讲单元测试，会写单元测试是初级程序员进阶到高级程序员的必备技能。此外，附录中还提到了git，作为延伸阅读，最后还告诉你遇到问题该如何去解决。推荐理由：第一：书的标题中肯，不偏不倚，正如书的内容一样，从入门到实践，不像那种标题党动不动就是《XXX从入门到精通》。第二：全书都在灌输一个理念：编写可读、清晰的代码。很多初学者在刚开始没有形成良好的编程习惯，代码非常个性化，以至于除了机器能读懂代码，没人读得懂，这给后期的维护带来巨大隐患。第三：本书的翻译质量很高，向作者和译者致敬

内容精选

Python自带了一个在终端窗口中运行的解释器，让你无需保存并运行整个程序就能尝试运行Python代码片段。本书将以如下方式列出代码片段：

>>> print("Hello Python interpreter!")
Hello Python interpreter!

将一条消息存储到变量中，将其打印出来；再将变量的值修改为一条新消息，并将其打印出来。

message = 'Hello World'
print(message)

message = 'Hello Python'
print(message)

如果你可以邀请任何人一起共进晚餐（无论是在世的还是故去的），你会邀请哪些人？请创建一个列表，其中包含至少3个你想邀请的人；然后，使用这个列表打印消息，邀请这些人来与你共进晚餐。

names = ['Cannon', 'Leg', 'God']

print(names[0] + ', invite you to have a dinner')
print(names[1] + ', invite you to have a dinner')
print(names[2] + ', invite you to have a dinner')

内容简介

本书是一本针对所有层次的Python读者而作的Python入门书。全书分两部分：首部分介绍用Python 编程所必须了解的基本概念，包括matplotlib、NumPy和Pygal等强大的Python库和工具介绍，以及列表、字典、if语句、类、文件与异常、代码测试等内容；第二部分将理论付诸实践，讲解如何开发三个项目，包括简单的Python 2D游戏开发，如何利用数据生成交互式的信息图，以及创建和定制简单的Web应用，并帮读者解决常见编程问题和困惑。

编辑推荐

上到有编程基础的程序员，下到10岁少年，想入门Python并达到可以开发实际项目的水平，本书是读者优选！

本书是一本全面的从入门到实践的Python编程教程，带领读者快速掌握编程基础知识、编写出能解决实际问题的代码并开发复杂项目。

书中内容分为基础篇和实战篇两部分。基础篇介绍基本的编程概念，如列表、字典、类和循环，并指导读者编写整洁且易于理解的代码。另外还介绍了如何让程序能够与用户交互，以及如何在代码运行前进行测试。实战篇介绍如何利用新学到的知识开发功能丰富的项目：2D游戏《外星人入侵》，数据可视化实战，Web应用程序。

媒体推荐

亚马逊读者评论

“我读过很多本为Python初学者所写的入门书，到目前为止，这是我特别喜爱的一本。这本Python编程书内容全面，讲解详细，编排合理，真是太棒了！”

“这本书用平实的语言向初学者解释各种概念，没有过早引入隐晦难懂的技术术语。我至少有8本介绍Python的书，但大多数没读多少页就读不下去了；而阅读这本书的时候，我能更轻松地理解其中的概念并且一直坚持读完。” 

作者简介

作者:[美]埃里克·马瑟斯（Eric Matthes） 译者:袁国忠

Eric Matthes

高中科学和数学老师，现居住在阿拉斯加，在当地讲授Python入门课程。他从5岁开始就一直在编写程序。

袁国忠

自由译者；2000年起专事翻译，主译图书，偶译新闻稿、软文；出版译著40余部，其中包括《C++ Prime Plus中文版》《CCNA学习指南》《CCNP ROUTE学习指南》《面向模式的软件架构：模式系统》《Android应用UI设计模式》《风投的选择：谁是下一个十亿美元级公司》等，总计700余万字；专事翻译前，从事过三年化工产品分析和开发，做过两年杂志和图书编辑。

目录

• 第一部分　基础知识
• 第1章　起步 2
• 1.1　搭建编程环境 2
• 1.1.1　Python 2和Python 3 2
• 1.1.2　运行Python代码片段 3
• 1.1.3　Hello World程序 3
• 1.2　在不同操作系统中搭建Python编程环境 3
• 1.2.1　在Linux系统中搭建Python编程环境 3
• 1.2.2　在OS X系统中搭建Python编程环境 6
• 1.2.3　在Windows系统中搭建Python编程环境 8
• 1.3　解决安装问题 12
• 1.4　从终端运行Python程序 13
• 1.4.1　在Linux和OS X系统中从终端运行Python程序 13
• 1.4.2　在Windows系统中从终端运行Python程序 13
• 1.5　小结 14
• 第2章　变量和简单数据类型 15
• 2.1　运行hello_world.py时发生的情况 15
• 2.2　变量 16
• 2.2.1　变量的命名和使用 16
• 2.2.2　使用变量时避免命名错误 17
• 2.3　字符串 18
• 2.3.1　使用方法修改字符串的大小写 19
• 2.3.2　合并（拼接）字符串 19
• 2.3.3　使用制表符或换行符来添加空白 20
• 2.3.4　删除空白 21
• 2.3.5　使用字符串时避免语法错误 22
• 2.3.6　Python 2中的print语句 23
• 2.4　数字 24
• 2.4.1　整数 24
• 2.4.2　浮点数 25
• 2.4.3　使用函数str()避免类型错误 25
• 2.4.4　Python 2中的整数 26
• 2.5　注释 27
• 2.5.1　如何编写注释 27
• 2.5.2　该编写什么样的注释 28
• 2.6　Python之禅 28
• 2.7　小结 30
• 第3章　列表简介 31
• 3.1　列表是什么 31
• 3.1.1　访问列表元素 32
• 3.1.2　索引从0而不是1开始 32
• 3.1.3　使用列表中的各个值 33
• 3.2　修改、添加和删除元素 33
• 3.2.1　修改列表元素 34
• 3.2.2　在列表中添加元素 34
• 3.2.3　从列表中删除元素 35
• 3.3　组织列表 39
• 3.3.1　使用方法sort()对列表进行永久性排序 39
• 3.3.2　使用函数sorted()对列表进行临时排序 40
• 3.3.3　倒着打印列表 41
• 3.3.4　确定列表的长度 41
• 3.4　使用列表时避免索引错误 42
• 3.5　小结 43
• 第4章　操作列表 44
• 4.1　遍历整个列表 44
• 4.1.1　深入地研究循环 45
• 4.1.2　在for循环中执行更多的操作 46
• 4.1.3　在for循环结束后执行一些操作 47
• 4.2　避免缩进错误 47
• 4.2.1　忘记缩进 48
• 4.2.2　忘记缩进额外的代码行 48
• 4.2.3　不必要的缩进 49
• 4.2.4　循环后不必要的缩进 49
• 4.2.5　遗漏了冒号 50
• 4.3　创建数值列表 51
• 4.3.1　使用函数range() 51
• 4.3.2　使用range()创建数字列表 51
• 4.3.3　对数字列表执行简单的统计计算 53
• 4.3.4　列表解析 53
• 4.4　使用列表的一部分 54
• 4.4.1　切片 54
• 4.4.2　遍历切片 56
• 4.4.3　复制列表 56
• 4.5　元组 59
• 4.5.1　定义元组 59
• 4.5.2　遍历元组中的所有值 59
• 4.5.3　修改元组变量 60
• 4.6　设置代码格式 61
• 4.6.1　格式设置指南 61
• 4.6.2　缩进 61
• 4.6.3　行长 61
• 4.6.4　空行 62
• 4.6.5　其他格式设置指南 62
• 4.7　小结 63
• 第5章　if语句 64
• 5.1　一个简单示例 64
• 5.2　条件测试 65
• 5.3　if语句 70
• 5.4　使用if语句处理列表 76
• 5.5　设置if语句的格式 80
• 5.6　小结 80
• 第6章　字典 81
• 6.1　一个简单的字典 81
• 6.2　使用字典 82
• 6.3　遍历字典 87
• 6.4　嵌套 93
• 6.5　小结 99
• 第7章　用户输入和while循环 100
• 7.1　函数input()的工作原理 100
• 7.2　while循环简介 104
• 7.3　使用while循环来处理列表和字典 110
• 7.4　小结 113
• 第8章　函数 114
• 8.1　定义函数 114
• 8.2　传递实参 116
• 8.3　返回值 121
• 8.4　传递列表 126
• 8.5　传递任意数量的实参 130
• 8.6　将函数存储在模块中 133
• 8.7　函数编写指南 136
• 8.8　小结 137
• 第9章　类 138
• 9.1　创建和使用类 138
• 9.2　使用类和实例 142
• 9.3　继承 147
• 9.4　导入类 153
• 9.5　Python标准库 159
• 9.6　类编码风格 161
• 9.7　小结 161
• 第10章　文件和异常 162
• 10.1　从文件中读取数据 162
• 10.2　写入文件 169
• 10.3　异常 172
• 10.4　存储数据 180
• 10.5　小结 186
• 第11章　测试代码 187
• 11.1　测试函数 187
• 11.2　测试类 193
• 11.3　小结 199
• 第二部分　项　　目
• 项目1　外星人入侵 202
• 第12章　武装飞船 203
• 12.1　规划项目 203
• 12.2　安装Pygame 204
• 12.3　开始游戏项目 207
• 12.4　添加飞船图像 211
• 12.5　重构：模块game_functions 214
• 12.6　驾驶飞船 216
• 12.7　简单回顾 223
• 12.8　射击 224
• 12.9　小结 231
• 第13章　外星人 232
• 13.1　回顾项目 232
• 13.2　创建第一个外星人 233
• 13.3　创建一群外星人 236
• 13.4　让外星人群移动 242
• 13.5　射杀外星人 246
• 13.6　结束游戏 250
• 13.7　确定应运行游戏的哪些部分 255
• 13.8　小结 256
• 第14章　记分 257
• 14.1　添加Play按钮 257
• 14.2　提高等级 264
• 14.3　记分 267
• 14.4　小结 283
• 项目2　数据可视化 284
• 第15章　生成数据 285
• 15.1　安装matplotlib 285
• 15.2　绘制简单的折线图 287
• 15.3　随机漫步 295
• 15.4　使用Pygal模拟掷骰子 303
• 15.5　小结 311
• 第16章　下载数据 312
• 16.1　CSV文件格式 312
• 16.2　制作交易收盘价走势图：JSON格式 324
• 16.3　小结 337
• 第17章　使用API 338
• 17.1　使用Web API 338
• 17.2　使用Pygal可视化仓库 344
• 17.3　Hacker News API 350
• 17.4　小结 353
• 项目3　Web应用程序 354
• 第18章　Django入门 355
• 18.1　建立项目 355
• 18.2　创建应用程序 360
• 18.3　创建网页：学习笔记主页 369
• 18.4　创建其他网页 373
• 18.5　小结 381
• 第19章　用户账户 382
• 19.1　让用户能够输入数据 382
• 19.2　创建用户账户 392
• 19.3　让用户拥有自己的数据 400
• 19.4　小结 408
• 第20章　设置应用程序的样式并对其进行部署 409
• 20.1　设置项目“学习笔记”的样式 409
• 20.2　部署“学习笔记” 419
• 20.3　小结 435
• 附录A　安装Python 436
• 附录B　文本编辑器 441
• 附录C　寻求帮助 447
• 附录D　使用Git进行版本控制 451
• 后记 460

读书笔记

Python编程之基于概率论的分类方法：朴素贝叶斯

概率论啊概率论，差不多忘完了。

基于概率论的分类方法：朴素贝叶斯

1. 概述

贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本章首先介绍贝叶斯分类算法的基础——贝叶斯定理。最后，我们通过实例来讨论贝叶斯分类的中最简单的一种: 朴素贝叶斯分类。

2. 贝叶斯理论 & 条件概率

2.1 贝叶斯理论

我们现在有一个数据集，它由两类数据组成，数据分布如下图所示：

我们现在用 p1(x,y) 表示数据点 (x,y) 属于类别 1（图中用圆点表示的类别）的概率，用 p2(x,y) 表示数据点 (x,y) 属于类别 2（图中三角形表示的类别）的概率，那么对于一个新数据点 (x,y)，可以用下面的规则来判断它的类别：

如果 p1(x,y) > p2(x,y) ，那么类别为1
如果 p2(x,y) > p1(x,y) ，那么类别为2

也就是说，我们会选择高概率对应的类别。这就是贝叶斯决策理论的核心思想，即选择具有最高概率的决策。

2.1.2 条件概率

如果你对 p(x,y|c1) 符号很熟悉，那么可以跳过本小节。

有一个装了 7 块石头的罐子，其中 3 块是白色的，4 块是黑色的。如果从罐子中随机取出一块石头，那么是白色石头的可能性是多少？由于取石头有 7 种可能，其中 3 种为白色，所以取出白色石头的概率为 3/7 。那么取到黑色石头的概率又是多少呢？很显然，是 4/7 。我们使用 P(white) 来表示取到白色石头的概率，其概率值可以通过白色石头数目除以总的石头数目来得到。

如果这 7 块石头如下图所示，放在两个桶中，那么上述概率应该如何计算？

计算 P(white) 或者 P(black) ，如果事先我们知道石头所在桶的信息是会改变结果的。这就是所谓的条件概率（conditional probablity）。假定计算的是从 B 桶取到白色石头的概率，这个概率可以记作 P(white|bucketB) ，我们称之为“在已知石头出自 B 桶的条件下，取出白色石头的概率”。很容易得到，P(white|bucketA) 值为 2/4 ，P(white|bucketB) 的值为 1/3 。

条件概率的计算公式如下：

P(white|bucketB) = P(white and bucketB) / P(bucketB)

首先，我们用 B 桶中白色石头的个数除以两个桶中总的石头数，得到 P(white and bucketB) = 1/7 .其次，由于 B 桶中有 3 块石头，而总石头数为 7 ，于是 P(bucketB) 就等于 3/7 。于是又 P(white|bucketB) = P(white and bucketB) / P(bucketB) = (1/7) / (3/7) = 1/3 。

另外一种有效计算条件概率的方法称为贝叶斯准则。贝叶斯准则告诉我们如何交换条件概率中的条件与结果，即如果已知 P(x|c)，要求 P(c|x)，那么可以使用下面的计算方法：

使用条件概率来分类

上面我们提到贝叶斯决策理论要求计算两个概率 p1(x, y) 和 p2(x, y):

如果 p1(x, y) > p2(x, y), 那么属于类别 1;
如果 p2(x, y) > p1(X, y), 那么属于类别 2.

这并不是贝叶斯决策理论的所有内容。使用 p1() 和 p2() 只是为了尽可能简化描述，而真正需要计算和比较的是 p(c1|x, y) 和 p(c2|x, y) .这些符号所代表的具体意义是: 给定某个由 x、y 表示的数据点，那么该数据点来自类别 c1 的概率是多少？数据点来自类别 c2 的概率又是多少？注意这些概率与概率 p(x, y|c1) 并不一样，不过可以使用贝叶斯准则来交换概率中条件与结果。具体地，应用贝叶斯准则得到:

使用上面这些定义，可以定义贝叶斯分类准则为:

如果 P(c1|x, y) > P(c2|x, y), 那么属于类别 c1;
如果 P(c2|x, y) > P(c1|x, y), 那么属于类别 c2.

在文档分类中，整个文档（如一封电子邮件）是实例，而电子邮件中的某些元素则构成特征。我们可以观察文档中出现的词，并把每个词作为一个特征，而每个词的出现或者不出现作为该特征的值，这样得到的特征数目就会跟词汇表中的词的数目一样多。

我们假设特征之间 相互独立 。所谓 独立(independence) 指的是统计意义上的独立，即一个特征或者单词出现的可能性与它和其他单词相邻没有关系，比如说，“我们”中的“我”和“们”出现的概率与这两个字相邻没有任何关系。这个假设正是朴素贝叶斯分类器中 朴素(naive) 一词的含义。朴素贝叶斯分类器中的另一个假设是，每个特征同等重要。

Note: 朴素贝叶斯分类器通常有两种实现方式: 一种基于伯努利模型实现，一种基于多项式模型实现。这里采用前一种实现方式。该实现方式中并不考虑词在文档中出现的次数，只考虑出不出现，因此在这个意义上相当于假设词是等权重的。

2.2 朴素贝叶斯场景

机器学习的一个重要应用就是文档的自动分类。

在文档分类中，整个文档（如一封电子邮件）是实例，而电子邮件中的某些元素则构成特征。我们可以观察文档中出现的词，并把每个词作为一个特征，而每个词的出现或者不出现作为该特征的值，这样得到的特征数目就会跟词汇表中的词的数目一样多。

朴素贝叶斯是上面介绍的贝叶斯分类器的一个扩展，是用于文档分类的常用算法。下面我们会进行一些朴素贝叶斯分类的实践项目。

2.3 朴素贝叶斯 原理

朴素贝叶斯 工作原理

提取所有文档中的词条并进行去重
获取文档的所有类别
计算每个类别中的文档数目
对每篇训练文档:

对每个类别:
如果词条出现在文档中-->增加该词条的计数值（for循环或者矩阵相加）
增加所有词条的计数值（此类别下词条总数）
对每个类别:

对每个词条:
将该词条的数目除以总词条数目得到的条件概率（P(词条|类别)）
返回该文档属于每个类别的条件概率（P(类别|文档的所有词条)）

2.4 朴素贝叶斯开发流程

收集数据: 可以使用任何方法。

准备数据: 需要数值型或者布尔型数据。

分析数据: 有大量特征时，绘制特征作用不大，此时使用直方图效果更好。

训练算法: 计算不同的独立特征的条件概率。

测试算法: 计算错误率。

使用算法: 一个常见的朴素贝叶斯应用是文档分类。可以在任意的分类场景中使用朴素贝叶斯分类器，不一定非要是文本。

2.5 朴素贝叶斯算法特点

优点: 在数据较少的情况下仍然有效，可以处理多类别问题。
缺点: 对于输入数据的准备方式较为敏感。
适用数据类型: 标称型数据。

2.6 朴素贝叶斯 项目案例

2.6.1 项目案例1

屏蔽社区留言板的侮辱性言论

2.6.1.1 项目概述

构建一个快速过滤器来屏蔽在线社区留言板上的侮辱性言论。如果某条留言使用了负面或者侮辱性的语言，那么就将该留言标识为内容不当。对此问题建立两个类别: 侮辱类和非侮辱类，使用 1 和 0 分别表示。

2.6.1.2 开发流程

收集数据: 可以使用任何方法

准备数据: 从文本中构建词向量

分析数据: 检查词条确保解析的正确性

训练算法: 从词向量计算概率

测试算法: 根据现实情况修改分类器

使用算法: 对社区留言板言论进行分类

收集数据: 可以使用任何方法

2.6.1.3 构造词表

def loadDataSet():
  """
  创建数据集
  :return: 单词列表postingList, 所属类别classVec
  """
  postingList = [['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'], #[0,0,1,1,1......]
          ['maybe', 'not', 'take', 'him', 'to', 'dog', 'park', 'stupid'],
          ['my', 'dalmation', 'is', 'so', 'cute', 'I', 'love', 'him'],
          ['stop', 'posting', 'stupid', 'worthless', 'garbage'],
          ['mr', 'licks', 'ate', 'my', 'steak', 'how', 'to', 'stop', 'him'],
          ['quit', 'buying', 'worthless', 'dog', 'food', 'stupid']]
  classVec = [0, 1, 0, 1, 0, 1] # 1 is abusive, 0 not
  return postingList, classVec

2.6.1.4 准备数据: 从文本中构建词向量

def createVocabList(dataSet):
  """
  获取所有单词的集合
  :param dataSet: 数据集
  :return: 所有单词的集合(即不含重复元素的单词列表)
  """
  vocabSet = set([]) # create empty set
  for document in dataSet:
    # 操作符 | 用于求两个集合的并集
    vocabSet = vocabSet | set(document) # union of the two sets
  return list(vocabSet)
 
 
def setOfWords2Vec(vocabList, inputSet):
  """
  遍历查看该单词是否出现，出现该单词则将该单词置1
  :param vocabList: 所有单词集合列表
  :param inputSet: 输入数据集
  :return: 匹配列表[0,1,0,1...]，其中 1与0 表示词汇表中的单词是否出现在输入的数据集中
  """
  # 创建一个和词汇表等长的向量，并将其元素都设置为0
  returnVec = [0] * len(vocabList)# [0,0......]
  # 遍历文档中的所有单词，如果出现了词汇表中的单词，则将输出的文档向量中的对应值设为1
  for word in inputSet:
    if word in vocabList:
      returnVec[vocabList.index(word)] = 1
    else:
      print "the word: %s is not in my Vocabulary!" % word
  return returnVec

2.6.1.5 分析数据: 检查词条确保解析的正确性

检查函数执行情况，检查词表，不出现重复单词，需要的话，可以对其进行排序。

>>> listOPosts, listClasses = bayes.loadDataSet()
>>> myVocabList = bayes.createVocabList(listOPosts)
>>> myVocabList
['cute', 'love', 'help', 'garbage', 'quit', 'I', 'problems', 'is', 'park',
'stop', 'flea', 'dalmation', 'licks', 'food', 'not', 'him', 'buying', 'posting', 'has', 'worthless', 'ate', 'to', 'maybe', 'please', 'dog', 'how',
'stupid', 'so', 'take', 'mr', 'steak', 'my']

检查函数有效性。例如：myVocabList 中索引为 2 的元素是什么单词？应该是是 help 。该单词在第一篇文档中出现了，现在检查一下看看它是否出现在第四篇文档中。

>>> bayes.setOfWords2Vec(myVocabList, listOPosts[0])
[0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 1]
 
>>> bayes.setOfWords2Vec(myVocabList, listOPosts[3])
[0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0]

2.6.1.6 训练算法: 从词向量计算概率

现在已经知道了一个词是否出现在一篇文档中，也知道该文档所属的类别。接下来我们重写贝叶斯准则，将之前的 x, y 替换为 w. 粗体的 w 表示这是一个向量，即它由多个值组成。在这个例子中，数值个数与词汇表中的词个数相同。

我们使用上述公式，对每个类计算该值，然后比较这两个概率值的大小。

首先可以通过类别 i (侮辱性留言或者非侮辱性留言)中的文档数除以总的文档数来计算概率 p(ci) 。接下来计算 p(w | ci) ，这里就要用到朴素贝叶斯假设。如果将 w 展开为一个个独立特征，那么就可以将上述概率写作 p(w0, w1, w2…wn | ci) 。这里假设所有词都互相独立，该假设也称作条件独立性假设（例如 A 和 B 两个人抛骰子，概率是互不影响的，也就是相互独立的，A 抛 2点的同时 B 抛 3 点的概率就是 1/6 * 1/6），它意味着可以使用 p(w0 | ci)p(w1 | ci)p(w2 | ci)…p(wn | ci) 来计算上述概率，这样就极大地简化了计算的过程。

2.6.1.7 朴素贝叶斯分类器训练函数

def _trainNB0(trainMatrix, trainCategory):
  """
  训练数据原版
  :param trainMatrix: 文件单词矩阵 [[1,0,1,1,1....],[],[]...]
  :param trainCategory: 文件对应的类别[0,1,1,0....]，列表长度等于单词矩阵数，其中的1代表对应的文件是侮辱性文件，0代表不是侮辱性矩阵
  :return:
  """
  # 文件数
  numTrainDocs = len(trainMatrix)
  # 单词数
  numWords = len(trainMatrix[0])
  # 侮辱性文件的出现概率，即trainCategory中所有的1的个数，
  # 代表的就是多少个侮辱性文件，与文件的总数相除就得到了侮辱性文件的出现概率
  pAbusive = sum(trainCategory) / float(numTrainDocs)
  # 构造单词出现次数列表
  p0Num = zeros(numWords) # [0,0,0,.....]
  p1Num = zeros(numWords) # [0,0,0,.....]
 
  # 整个数据集单词出现总数
  p0Denom = 0.0
  p1Denom = 0.0
  for i in range(numTrainDocs):
    # 是否是侮辱性文件
    if trainCategory[i] == 1:
      # 如果是侮辱性文件，对侮辱性文件的向量进行加和
      p1Num += trainMatrix[i] #[0,1,1,....] + [0,1,1,....]->[0,2,2,...]
      # 对向量中的所有元素进行求和，也就是计算所有侮辱性文件中出现的单词总数
      p1Denom += sum(trainMatrix[i])
    else:
      p0Num += trainMatrix[i]
      p0Denom += sum(trainMatrix[i])
  # 类别1，即侮辱性文档的[P(F1|C1),P(F2|C1),P(F3|C1),P(F4|C1),P(F5|C1)....]列表
  # 即 在1类别下，每个单词出现的概率
  p1Vect = p1Num / p1Denom# [1,2,3,5]/90->[1/90,...]
  # 类别0，即正常文档的[P(F1|C0),P(F2|C0),P(F3|C0),P(F4|C0),P(F5|C0)....]列表
  # 即 在0类别下，每个单词出现的概率
  p0Vect = p0Num / p0Denom
  return p0Vect, p1Vect, pAbusive

总结

以上就是本文关于Python编程之基于概率论的分类方法：朴素贝叶斯的全部内容，希望对大家有所帮助。感兴趣的朋友可以参阅本站：Python内存管理方式和垃圾回收算法解析、python基础练习之几个简单的游戏、python使用邻接矩阵构造图代码示例等，有什么问题可以随时留言，小编会及时回复大家的。感谢朋友们对码农之家网站的支持！

上一篇：没有了 　下一篇：Java编程的逻辑