小白入门机器学习必备：编程语言环境介绍及搭建

导读：工欲善其事，必先利其器，机器学习也不例外。算法原理理解得再清楚，最终也需要通过编写代码来真正实现功能和解决问题。

本文将介绍当前机器学习主流的编程语言环境，当前机器学习使用最多的编程语言是Python，在业界口碑一直不错的Python语言借着机器学习的东风一下跻身编程语言热门榜的首位。

本文还将介绍Python语言下机器学习相关的支持库，包括科学计算支持库Numpy、机器学习库Scikit-Learn和数据处理库 Pandas。想要在实际工作中使用机器学习解决具体问题时，使用这些支持库将大大提升效率。

作者：莫凡

来源：大数据DT（ID：hzdashuju）

01 常用环境

一般来说，算法理论的实践方式有两种，一种是自己动手将算法用代码都实现一遍，另一种则是充分利用工具的便利性，快速了解掌握现有资源后，随即开始着手解决现实问题。

对于要不要重复造轮子的争论，我想是很难有决断的，两种方法各有利弊，这里我们选用第二种，这也贯彻了本文的宗旨：不是为了学习知识而制造知识，而是为了解决问题去学习知识。

机器学习经过这几年的高速发展，已经积累了非常丰富的开放资源，通过充分利用这些资源，哪怕此前你对这个领域不了解，也能快速掌握并着手解决实际问题。

首先是编程语言，我们选择Python。在前些年，Python和R语言在机器学习领域保持着双雄并立的局面，大致可以认为工业界偏爱Python而学术界偏爱R，但随着技术发展，特别是这几年深度学习所需的支持库毫无例外地都选择了用Python实现之后，Python语言已经成为机器学习领域毫无疑问的“老大”。

由于机器学习的火热，Python甚至拥有了与传统编程语言C和Java一较高下的底气，在多种编程语言排行榜上都大有后来居上的趋势。那么Python，决定就是你了！

接下来是支持库Numpy。机器学习涉及矩阵运算等大量数学运算，好在Python有两大特点，一是灵活，二是库多，Numpy就是Python中专门设计用于科学计算的专业支持库，在业界有口皆碑。不只是机器学习，其他科学领域譬如天体物理涉及的数学运算，要么直接使用Numpy，要么基于Numpy构建更高层的功能库。

最后是算法库Scikit-Learn。基于Python的机器学习算法库实际上有很多，每过一段时间就会冒出个“前五”“前十”这样的排行，但稳坐榜首的一直是Scikit-Learn。

它不但种类齐备，市面上见得到的机器学习算法基本上都能在此找到对应的API，简直是一家“机器学习算法超市”，而且封装良好、结构清晰，你可以通过简单几行代码就能完成一个复杂算法的调用，是机器学习领域入门的福音，更是进阶的法宝。

另外再加上一个Pandas数据处理库。它内置许多排序、统计之类的实用功能，属于“没它也不是不行，但有它会方便很多”的角色。业界实现机器学习，基本上都会用到Numpy、Scikit-Learn和Pandas这三件套。

02 Python简介

Python是一种动态的高级编程语言，与C和Java需要编译执行不同，Python代码是通过解释器解释执行，一个明显的区别是，Python的数据类型不用事先声明，语法更为灵活多变，代码看起来也更加简洁，用C和Java需要十行代码才能写明白的意思，可能用Python写一行就可以了。

高效快速是Python引以为傲的特点，Python社区甚至流传一句口号：“Life is short, I use Python.”

Python仍在不断迭代，而且并不向前兼容，这也导致当前Python分裂成两大版本分支，即Python 2.X和Python 3.X，虽然从语法上看还不至于成为两款语言，但二者代码是无法混用的，对于版本的选择也是开始学习使用Python时所要确定的第一件事。

之前一般认为，Python 2.X的发展时间更长，各方面的支持库更多且更成熟，不少人推荐从这个版本入手。但随着Python团队宣布将于2020年停止对Python 2.X的维护，各大社区都早已开始了从2.X向3.X迁移的工作，所以现在开始学Python的话更建议选择3.X。Python官网见图2-1。

▲图2-1 Python官网首页

1. Python的安装

Python具有很强的泛用性，支持Windows、Linux/UNIX、Mac OS X等主流操作系统平台，安装也很简单，可以通过

https://www.python.org/downloads

选择你使用的操作系统平台所对应的在线或离线安装包并进行安装。在安装包下载页面同时提供了多个版本的Python安装包，如果初次接触可能让你觉得难以选择。不过请放心，你也可以直接下载最新版本的Python安装包。

▲图2-2 Python下载页面

Python是一款开源编程语言，你也可以选择通过源代码进行编译安装。

2. Python的基本用法

Python是一款通用编程语言，语法满足图灵完备性，这里无法完全展开说明。

不过，如果你熟悉C或者Java语言，那么可以认为Python的语法就是它们的高度精简版，除了上面提到的不用进行类型声明外，Python还少了用来表示作用域的大括号以及语句结尾的分号，但同时，在Python中缩进不仅仅是代码规范，而是语法层面的强制要求。

如果你有语言基础，记住这些区别，应该就能很快熟练地使用Python。

这里仅对两项常用的Python工具进行说明，即Python库安装工具Pip和Conda。丰富的第三方支持库是Python功能强大的原因之一。在使用Python实现功能时，往往需要依赖第三方支持库，这些第三方库需要先安装再使用。安装方法是通过Pip或Conda工具，在命令行输入命令：

pip install 库名

或

conda 库名

进行联网下载并自动安装。

一般当你成功安装Python后，就能在命令行中直接使用Pip命令了，而Conda则可能需要额外进行安装才能够使用。Conda的功能更为强大，但如果你并不了解Python及相关背景知识，推荐通过Pip工具来下载安装第三方库。

在库的使用方面，Python也与其他编程语言一样，需要先导入再使用，语法是：

import 库名

import之后就能正常使用库的资源了。如果库名较长，还可以使用：

import 库名 as 别名

设定别名之后，通过别名也能够使用库的资源。

要使用库里的某个类，可以通过“库名.类名”的方法调用。如果认为这样写麻烦，或者导致单行语句太长，可以在导入时使用：

from 库名 import 类名

这样就可以在代码中直接使用类名了。

03 Numpy简介

Numpy是Python语言的科学计算支持库，提供了线性代数、傅里叶变换等非常有用的数学工具。Numpy是Python圈子里非常知名的基础库，即使你并不直接进行科学计算，但如图像处理等相关功能库，其底层实现仍需要数学工具进行支持，则需要首先安装Numpy库。Numpy官网见图2-3。

▲图2-3 Numpy官网首页

1. Numpy的安装

Numpy的安装很简单，使用Pip直接安装即可。命令如下：

pip install -U numpy

2. Numpy的基本用法

Numpy拥有强大的科学计算功能，也许刚一接触容易眼花缭乱，不知从何入手。不过不必担心，Array数据类型是Numpy的核心数据结构，与Python的List类型相似，但功能要强大得多。Numpy相关功能都是围绕着Array类型建设的，可以作为你了解Numpy的一条中心线索。

使用Numpy包很简单，只要用import导入即可。业界习惯在导入时使用“np”作为它的别名：

import numpy as np

导入后就可以使用了，常用功能如下。

• array 数据创建 创建Array类型数据
• zeros 数据创建 创建值为0的Array类型数据
• ones 数据创建 创建值为1的Array类型数据
• eye 数据创建 创建单位矩阵
• arange 数据创建 类似内置函数range，生成等差数值
• linspace 数据创建 生成可指定是否包含终值的等差数值
• random.rand 数据创建 随机生成数值
• T 数据操作 转置操作
• reshape 数据操作 不改变原数据的维度变换
• resize 数据操作 修改原数据的维度变换
• mean 统计操作 取均值
• sum 统计操作 求和
• max 统计操作 取最大值
• min 统计操作 取最小值
• var 统计操作 求方差
• std 统计操作 求标准差
• corrcoef 统计操作 计算相关系数
• append 数据操作 新增
• insert 数据操作 插入
• delete 数据操作 删除
• concatenate 数据操作 按行（列）连接数据表
• add 数学运算 标（向）量加法
• subtract 数学运算 标（向）量减法
• multiply 数学运算 标（向）量乘法
• divide 数学运算 标（向）量除法
• exp 数学运算 以e为底的指数运算
• log 数学运算 以e为底的对数运算
• dot 数学运算 点乘

04 Scikit-Learn简介

正如机器学习中推荐使用Python语言，用Python语言使用机器学习算法时，推荐使用Scikit-Learn工具。

或者应该反过来，现在机器学习推荐使用Python，正是因为Python拥有Scikit-Learn这样功能强大的支持包，它已经把底层的脏活、累活都默默完成了，让使用者能够将宝贵的注意力和精力集中在解决问题上，极大地提高了产出效率。Scikit-Learn官网见图2-4。

▲图2-4 Scikit-Learn官网首页

1. Scikit-Learn的安装

安装Scikit-Learn可以有两种方法。通过Pip安装，命令如下：

pip install -U scikit-learn

或通过 Conda安装，命令如下：

conda install scikit-learn

2. Scikit-Learn的基本用法

Scikit-Learn库包含了常见的机器学习算法，而且还在不断更新，常见机器学习算法都可以在Scikit-Learn库中找到，不妨将它当作机器学习算法的百科全书来使用。这里简要介绍它的用法。

使用Scikit-Learn包很简单，使用import导入即可，但须注意Scikit-Learn包的包名为sklearn：

import sklearn

调用机器学习算法也非常简单，Scikit-Learn库已经将算法按模型分类，查找起来非常方便。如线性回归算法可以从线性模型中找到，用法如下：

from sklearn import linear_model
model = linear_model.LinearRegression()

Logistic回归算法也是依据线性模型，同样也在其下：

from sklearn.linear_model import LogisticRegression
model =linear_model.LogisticRegression()

类似的还有基于近邻模型的KNN算法：

from sklearn.neighbors import NearestNeighbors
model =NearestNeighbors()

生成模型后，一般使用fit方法给模型“喂”数据及进行训练。完成训练的模型可以使用predict方法进行预测。

Scikit-Learn库对机器学习算法进行了高度封装，使用过程非常简单，只要根据格式填入数据即可，不涉及额外的数学运算操作，甚至可以说只要知道机器学习算法的名字和优劣，就能直接使用，非常便利。

05 Pandas简介

Pandas是Python语言中知名的数据处理库。数据是模型算法的燃料，也决定了算法能够达到的上限。一般在学习中接触的数据都十分规整，可以直接供模型使用。

但实际上，从生产环境中采集得到的“野生”数据则需要首先进行数据清洗工作，最常见的如填充丢失字段值。数据清洗工作一般使用Pandas来完成，特征工程也可通过Pandas完成。Pandas官网见图2-5。

▲图2-5 Pandas官网首页

1. Pandas的安装

安装Pandas可以有两种方法。通过Pip安装，命令如下：

pip install -U pandas

或通过 Conda安装，命令如下：

conda install pandas

2. Pandas的基本用法

Pandas针对数据处理的常用功能而设计，具有从不同格式的文件中读写数据的功能，使用Pandas进行一些统计操作特别便利。与Numpy类似，Pandas也有两个核心的数据类型，即Series和DataFrame。

• Series：一维数据，可以认为是一个统计功能增强版的List类型。
• DataFrame：多维数据，由多个Series组成，不妨认为是电子表格里的Sheet。

使用Pandas 包很简单，只要import导入即可。业界习惯在导入时使用“pd”作为它的别名：

import pandas as pd

导入后就可以使用了，其常用功能如下。

• read_csv 读取数据 从CSV格式文件中读取数据
• read_excel 读取数据 从电子表格中读取数据
• read_json 读取数据 从json格式的文件中读取数据
• read_clipboard 读取数据 从剪切板读取数据
• to_csv 写入数据 将数据写入CSV格式文件
• to_excel 写入数据 将数据写入电子表格
• to_json 写入数据 将数据写入json格式文件
• to_clipboard 写入数据 将数据写入剪切板
• Series 写入数据 创建Series类型数据
• DataFrame 写入数据 创建DataFrame类型数据
• head 信息查看 从头开始查看N位数据
• tail 信息查看 从末尾开始查看N位数据
• shape 信息查看 行列数信息
• dropna 数据操作 删除空值
• fillna 数据操作 填充空值
• sort_values 数据操作 正（逆）序排序
• append 数据操作 横向（按行）连接两个数据表
• concat 数据操作 纵向（按列）连接两个数据表
• value_counts 统计操作 值计数
• describe 统计操作 总体概况信息
• info 统计操作 数值类型统计
• mean 统计操作 取均值
• corr 统计操作 计算相关系数
• count 统计操作 非空值计数
• max 统计操作 取最大值
• min 统计操作 取最小值
• median 统计操作 计算中位数
• std 统计操作 计算标准差

关于作者：莫凡，新技术深度爱好者，曾经从事信息安全前沿技术跟踪研究和数据分析工作，在各类信息安全类技术期刊发表文章五十余篇，现转为投身高端知识“白菜化”项目，希望能让将更多听起来高大上的名词沾一沾“人间烟火”，成为日常生活中真正用得上的知识。

本文摘编自《机器学习算法的数学解析与Python实现》，经出版方授权发布。

有话要说?

Q: 入门机器学习，你准备好了吗？

欢迎留言与大家分享