ITPub博客

线性代数是一门大学课程，但也是相当“惨烈”的一门课程。在大学期间，我对这门学科就没怎么学懂。先是挣扎于各种行列式、解方程，然后又看到奇怪的正交矩阵、酉矩阵。还没来得及消化，期末考试轰然到来，成绩自然凄凄惨惨。后来读了更多的线性代数的内容，才发现，线性代数远不是一套奇奇怪怪的规定。它的内在逻辑很明确。只可惜大学时的教材，把最重要的一些核心概念，比如线性系统，放在了最后。总结这些惨痛的经历，再加上最近

完成了概率论之后，数据之旅的下一站就是统计。统计是研究数据的学科。它包括了数据很多方面，比如如何描述数据、如何通过抽样推测整体的信息、如何通过数据判断假设的真伪。近年来，“数据科学”成为一门显学。统计随之风生水起，成为人们竞相谈论的话题。文艺作品自然不会错过这个热点。在电影“点球成金”中，布拉德·皮特饰演的球队经理，就利用统计方法来搜寻球员和管理球队，最终造就了一支劲旅 我将在这篇文章中

统计最开始的主要任务就是描述数据。正如我们在统计概述中提到的，群体的数据可能包含大量的数字，往往让人读起来头昏脑涨。电影《美丽心灵》中，数学家纳什不自觉地沉浸在一串数字中。这样的电影桥段经常让观众感到惭愧。但真相是，每个人的注意力和短期记忆都很有限，只能集中在很少量的信息。数据描述就是要用一定的方法来提取少量信息，从而让人更容易明白数据的含义。数据描述的方法可以分为两大门类，即群体参数和数据绘图。

我们熟悉了对象和类的基本概念。我们将进一步拓展，以便能实际运用对象和类。 调用类的其它信息上一讲中提到，在定义方法时，必须有self这一参数。这个参数表示某个对象。对象拥有类的所有性质，那么我们可以通过self，调用类属性。class Human(object):    laugh = 'hahahaha'    def s

缩进Python最具特色的是用缩进来标明成块的代码。我下面以if选择结构来举例。if后面跟随条件，如果条件成立，则执行归属于if的一个代码块。 先看C语言的表达方式（注意，这是C，不是Python!）if ( i > 0 ) {     x = 1;  &n

sequence 序列sequence(序列)是一组有顺序的元素的集合(严格的说，是对象的集合，但鉴于我们还没有引入“对象”概念，暂时说元素) 序列可以包含一个或多个元素，也可以没有任何元素。我们之前所说的基本数据类型，都可以作为序列的元素。元素还可以是另一个序列，以及我们以后要介绍的其他对象。 序列有两种：tuple（定值表； 也有翻译为元组） 和 list (表)>&

简单的数据类型以及赋值 变量不需要声明Python的变量不需要声明，你可以直接输入：>>>a = 10那么你的内存里就有了一个变量a， 它的值是10，它的类型是integer (整数)。 在此之前你不需要做什么特别的声明，而数据类型是Python自动决定的。>>>print(a)>>>print(type(a))那么会有如下输出：10

简单的‘Hello World!’ Python命令行假设你已经安装好了Python, 那么在Linux命令行输入:$python将直接进入python。然后在命令行提示符>>>后面输入:>>>print('Hello World!')可以看到，随后在屏幕上输出:Hello World!print是一个常用函数，其功能就是输出

秉承着一切皆对象的理念，我们再次回头来看函数(function)。函数也是一个对象，具有属性（可以使用dir()查询）。作为对象，它还可以赋值给其它对象名，或者作为参数传递。 lambda函数在展开之前，我们先提一下lambda函数。可以利用lambda函数的语法，定义函数。lambda例子如下：func = lambda x,y: x + yprint func(3,4)lambda生

异常处理在项目开发中，异常处理是不可或缺的。异常处理帮助人们debug，通过更加丰富的信息，让人们更容易找到bug的所在。异常处理还可以提高程序的容错性。我们之前在讲循环对象的时候，曾提到一个StopIteration的异常，该异常是在循环对象穷尽所有元素时的报错。我们以它为例，来说明基本的异常处理。一个包含异常的程序:re = iter(range(5))for i

动态类型(dynamic typing)是Python另一个重要的核心概念。我们之前说过，Python的变量(variable)不需要声明，而在赋值时，变量可以重新赋值为任意值。这些都与动态类型的概念相关。 动态类型在我们接触的对象中，有一类特殊的对象，是用于存储数据的。常见的该类对象包括各种数字，字符串，表，词典。在C语言中，我们称这样一些数据结构为变量。而在Python中，这些是对象

我们已经见过了使用subprocess包来创建子进程，但这个包有两个很大的局限性：1) 我们总是让subprocess运行外部的程序，而不是运行一个Python脚本内部编写的函数。2) 进程间只通过管道进行文本交流。以上限制了我们将subprocess包应用到更广泛的多进程任务。(这样的比较实际是不公平的，因为subprocessing本身就是设计成为一个shell，而不是一个多进程管理包)&nb

在初步了解Python多进程之后，我们可以继续探索multiprocessing包中更加高级的工具。这些工具可以让我们更加便利地实现多进程。 进程池进程池 (Process Pool)可以创建多个进程。这些进程就像是随时待命的士兵，准备执行任务(程序)。一个进程池中可以容纳多个待命的士兵。 “三个进程的进程池”  比如下面的程序:import mu

我们已经见过了使用subprocess包来创建子进程，但这个包有两个很大的局限性：1) 我们总是让subprocess运行外部的程序，而不是运行一个Python脚本内部编写的函数。2) 进程间只通过管道进行文本交流。以上限制了我们将subprocess包应用到更广泛的多进程任务。(这样的比较实际是不公平的，因为subprocessing本身就是设计成为一个shell，而不是一个多进程管理包)&nb

我们已经在Python运算中看到Python最基本的数学运算功能。此外，math包补充了更多的函数。当然，如果想要更加高级的数学功能，可以考虑选择标准库之外的numpy和scipy项目，它们不但支持数组和矩阵运算，还有丰富的数学和物理方程可供使用。此外，random包可以用来生成随机数。随机数不仅可以用于数学用途，还经常被嵌入到算法中，用以提高算法效率，并提高程序的安全性。 math包m

我们已经在Python运算中看到Python最基本的数学运算功能。此外，math包补充了更多的函数。当然，如果想要更加高级的数学功能，可以考虑选择标准库之外的numpy和scipy项目，它们不但支持数组和矩阵运算，还有丰富的数学和物理方程可供使用。此外，random包可以用来生成随机数。随机数不仅可以用于数学用途，还经常被嵌入到算法中，用以提高算法效率，并提高程序的安全性。 math包m

之前我的Python教程中有人留言，表示只学Python没有用，必须学会一个框架(比如Django和web.py)才能找到工作。而我的想法是，掌握一个类似于框架的高级工具是有用的，但是基础的东西可以让你永远不被淘汰。不要被工具限制了自己的发展。今天，我在这里想要展示的，就是不使用框架，甚至不使用Python标准库中的高级包，只使用标准库中的socket接口(我不是很明白套接字这个翻译，所以使用so

在这里列举一些我使用Python时积累的小技巧。这些技巧是我在使用Python过程中经常使用的。之前很零碎的记在笔记本中，现在整理出来，和大家分享，也作为Python快速教程的一个补充。 import模块在Python经常使用import声明，以使用其他模块(也就是其它.py文件)中定义的对象。1) 使用__name__当我们编写Python库模块的时候，我们往往运行一些测试语句。当这个

Python内置(built-in)函数随着python解释器的运行而创建。在Python的程序中，你可以随时调用这些函数，不需要定义。最常见的内置函数是:print("Hello World!")在Python教程中，我们已经提到下面一些内置函数:基本数据类型 type()反过头来看看 dir() help() len()词典 len()文本文件

上下文管理器(context manager)是Python2.5开始支持的一种语法，用于规定某个对象的使用范围。一旦进入或者离开该使用范围，会有特殊操作被调用 (比如为对象分配或者释放内存)。它的语法形式是with...as... 关闭文件我们会进行这样的操作：打开文件，读写，关闭文件。程序员经常会忘记关闭文件。上下文管理器可以在不需要文件的时候，自动关闭文件。下面我们看一下两段程序：