> 熟悉Python语法、相关库：SciPy，Numpy， Pandas， Matplotlib, scikit-learn
SciPy是在数学运算、科学和工程学方面被广泛应用的Python类库，包含统计、优化、整合、线性代数模块、傅里叶变换、信号和图像处理、常微分方程求解器等，被广泛应用在机器学习项目。SciPy依赖Numpy， Pandas， Matplotlib等机器学习相关的类库。
Python
空格
- 在python中，空格是用来区分代码块。
空值
-
在python中，每一种数据类型都是对象。
-
空值是Python中的一个特殊值，用None表示，表示该值是一个空对象。
-
你可以将None赋值给任何变量，也可以将任何变量赋值给一个None值的对象。
复杂数据类型（元组、列表、字典）
-
元组是一个只读的集合类型，初始化后，元组的元素不能重新赋值，如a=(1,2,3), a[1] = 100。
-
列表的元素可以重新赋值，b=[1,2,3]
-
字典是另一种可变容器模型，且可存储任意类型的对象，c={'x':1, 'y':'str', 'z':True}。
字典：删除特定的key元素，用pop(key)方法； 删除全部元素，使用字典自身的clear() 方法。
with语句 Vs. try/finally 范式
with open('filename') as somefile:
for line in somefile:
print(line)
with 语句简化了对异常的处理。传统的try/finally范式如下：
somefile = open('filename')
try:
for line in somefile:
print(line)
finally:
somefile.close()
Numpy
是python 的一种开源数值计算扩展，用来存储和处理大型矩阵，提供许多高级的数值编程工具，如矩阵数据类型、矢量处理、精密运算库。
Numpy为Scipy提供了基础的数据结构和运算，其中最主要的是ndarrays多维数组，它提供了高效的矢量运算功能。
-
创建：通过给array函数传递Python函数的序列对象创建数组；如果是多层嵌套的序列，将创建多维数组。如，myarray = np.array([1,2,3])
-
访问：形状myarray.shape, 第一行myarray[0]，第一列myarray[:, 0]
-
运算：加法+、乘法*等，形状相同，对位操作。
Matplotlib
python中著名的2D绘图库，三步操作完成绘图，如下：
-
调用plot()、scatter()等方法，并为绘图填充数据。（数据是Numpy的ndarray类型的对象）；
-
设定数据标签，使用xlabel()、ylabel()方法；
-
展示绘图结果，使用show() 方法。
- Matplotlib API
Pandas
Pandas是基于Numpy的功能强大的对数据进行切片的工具，旨在解决数据分析任务。
Pandas提供了用于机器学习的复杂数据类型：矢量运算方法和数据分析方法。Pandas也提供了多种数据结构。
Series: 一维数组，与Numpy中的一维Array类似。二者与Python的List也很相似，其区别是List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，以提高内存和运算效率。
Series虽然与Numpy的一维数组类似，但在建立Series时可以设定index，也可以像访问Numpy数组或字典一样访问Series元素。如
myarray = np.array([1,2,3])
index = ['a', 'b', 'c']
myseries = pd.Series(myarray, index=index)
print(myseries)
print(myseries[0]) # 类似Numpy数组直接访问
print(myseries['c']) # 类似字典通过索引访问
Time-Series：以时间为索引的Series
DataFrame：二维的表格型数据结构，可以看作是Series的容器。很多功能与R语言中data.frame类似。
DataFrame是可以指定行和列标签的二维数组，数据可以通过指定列名来访问特定列的数据。
myarray = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]])
rowindex = ['row1', 'row2', 'row3']
colname = ['col1', 'col2', 'col3']
mydataframe = pd.DataFrame(data=myarray, index=rowindex, columns=colname)
print(mydataframe['col3']) # 访问col3列的数据
Panel：三维数组，可以看作是DataFrame的容器。
Tips：
-
使用Numpy数组准备机器学习算法的数据
-
使用Matplotlib来创建图表，展示数据
-
通过Pandas导入，展示数据，以便增强对数据的理解和数据清洗、转换等工作。
scikit-learn
- 是python中开发和实践机器学习的著名类库之一，依赖SciPy及其相关类库来运行。scikit-learn的基本功能分为6大部分：分类、回归、聚类、数据降维、模型选择、数据预处理。
- scikit-learn本身不支持深度学习和GPU加速。
-
包含model, metrics等
参考：《机器学习python实践》. Broadview.
