0% found this document useful (0 votes)

20 views220 pages

Python Programming Lee

本文件是《Python 程式設計》的教材，涵蓋了Python語言的基本介紹、特性、安裝及操作，並詳細介紹了Anaconda的安裝與使用。內容包括Python語法、資料處理、視覺化應用、迴歸分析、決策樹及推薦系統等主題，適合資訊管理相關領域的學習與應用。

Uploaded by

lin999481

We take content rights seriously. If you suspect this is your content, claim it here.

Available Formats

Download as PDF, TXT or read online on Scribd

0% found this document useful (0 votes)

20 views220 pages

Python Programming Lee

Uploaded by

lin999481

We take content rights seriously. If you suspect this is your content, claim it here.

Available Formats

Download as PDF, TXT or read online on Scribd

Python 程式設計

育達科技大學

資訊管理系所

主編：李明昌

108 年 12 月
國家圖書館出版品預行編目(CIP)資料
國家圖書館出版品預行編目資料

Python 程式設計 / 李明昌主編.

-- 苗栗縣造橋鄉 : 育達科大, 民 108.12 面 ; 公分

ISBN 978-986-5911-77-5(平裝)

[Link](電腦程式語言)

312.32P97 108022920

i
目錄

第 1 章 Python 語言簡介 ............................................................... 1

1.1 Python 簡介 ..................................................................................................... 1

1.2 Python 特性與應用 .......................................................................................... 1

1.3 Python 安裝 ..................................................................................................... 2

1.4 Python 操作 ..................................................................................................... 5

第 2 章 Anaconda 簡介與安裝 8

2.1 Anaconda 特性 ................................................................................................. 8

2.2 Anaconda 下載與安裝 ..................................................................................... 8

2.3 Anaconda 套件管理 ...................................................................................... 23

2.4 Spyder 操作.................................................................................................... 24

第 3 章 Python 語法與流程控制 .................................................. 26

3.1 資料型別與運算子 ....................................................................................... 26

3.2 NumPy 模組的使用 ....................................................................................... 36

3.3 reshape 應用 ................................................................................................. 38

3.4 離群值處理 ................................................................................................... 40

3.5 if 與 for 處理 ............................................................................................... 42

第 4 章資料型別與資料處理 ...................................................... 62

4.1 Tuple 序列 ..................................................................................................... 62

4.2 List 串列 ........................................................................................................ 65

4.3 Set 集合 ........................................................................................................ 67

4.4 Dictionaries 字典 ........................................................................................... 68

第 5 章檔案匯入與匯出 .............................................................. 71
ii
5.1 認識 pandas 模組 ....................................................................................... 71

5.2 資料輸入/輸出 ............................................................................................. 91

第 6 章視覺化應用 ....................................................................104

6.1 視覺化簡介 ................................................................................................. 104

6.2 認識 matplotlib 模組................................................................................. 115

6.3 matplotlib 繪圖應用 ................................................................................... 116

6.4 seaborn 模組繪圖 ....................................................................................... 137

6.5 互動式繪圖 ................................................................................................. 150

第 7 章迴歸分析 ........................................................................156

7.1 迴歸模型 Regression Model ....................................................................... 156

7.2 迴歸分析 - 使用 scikit-learn 模組 ........................................................... 157

第 8 章決策樹 ...........................................................................169

8.1 決策樹 ........................................................................................................ 169

8.2 鐵達尼號資料集-決策樹應用..................................................................... 174

第 9 章關聯規則應用 ................................................................181

9.1 購物籃分析（market-basket analysis） ...................................................... 181

9.2 mlxtend 模組............................................................................................... 183

第 10 章推薦系統 ......................................................................195

10.1 何謂推薦系統 Recommender System ...................................................... 195

10.2 電影推薦系統 ........................................................................................... 197

參考文獻 ....................................................................................216

iii
第1章 Python語言簡介
本章節從基礎Python 語言介紹為開端, 包括以下內容:
1.1 Python簡介
1.2 Python特性與應用
1.3 Python安裝
1.4 Python操作

1.1 Python 簡介
Python 是一種廣泛使用的直譯式、進階程式、通用型程式語言，由吉多·范羅蘇姆 (Guido van Rossum)創造，第
一版釋出於1991年，可以視之為一種改良並加入一些其他程式語言的優點，如：LISP 物件導向程式語言。

Python的設計哲學強調代碼的可讀性和簡潔的語法（尤其是使用空格縮排劃分程式碼區塊，而非使用大括號{ }或
者關鍵詞。相比於C++或Java，Python讓開發者能夠用更少的代碼表達想法。不管是小型還是大型程式，該語言
都試圖讓程式的結構清晰明了。

Python與Scheme、Ruby、Perl、Tcl等動態型別程式語言一樣，Python擁有動態型別系統和垃圾回收功能，能夠
自動管理記憶體使用，並且支援多種程式範式，包括物件導向、命令式、函數式和程序式程式。其本身擁有一個
巨大而廣泛的標準庫。

Python 直譯器本身幾乎可以在所有的作業系統中執行。Python的其中一個直譯器CPython是用C語言編寫的、是
一個由社群驅動的自由軟體，目前由Python軟體基金會管理。

參考資料: [Link] ([Link]

1.2 Python 特性與應用

Python 特性
Python 具有以下的特性：

跨平台

開放性

易讀性

豐富套件(模組)

其他語言結合, 例: Cython 編譯成二進位執行檔

Python 應用範圍 -1-

Python 包括以下應用範圍：

大數據分析

機器學習 (scikit-learn 模組)

深度學習 (TensorFlow 模組)

網路爬蟲

繪圖

網路應用

財金分析

物聯網應用

影像識別

科學計算

GUI開發

1.3 Python 安裝
考慮 Windows 作業系統，其安裝步驟如下所示：

1. Python官網的下載頁面: [Link] ([Link] ，選取中間 [Download Python

3.8.0]，下載檔案約25.1MB。

2. 執行該檔案，將二個選項打勾, 選取 [Install Now]。

-2-
3. 安裝畫面。

4. 選取 [Disable path length limit]。

-3-
5. 安裝完成畫面，按 [Close]。

6. 安裝完成後會在程式集顯示4個程式，其中[Python 3.8(32-bit)] 為主要操作介面， [IDLE] 為視窗介面，其他

二項分別是使用手冊與模組之說明。

-4-
1.4 Python 操作
開啟 Python 3.8 會顯示互動式操作介面，輸入 1+2, 按[Enter]，結果會顯示3，輸入 help() 會顯示線上說明，輸
入 quit會離開說明，輸入 exit() 會關閉視窗。

Python 命令提示列視窗

-5-
Python IDLE

注意! Python輸入時，有區分英文未母大小寫。
-6-
y

Python 撰寫特性
1. Python為提高程式可讀性，並且在數學影響下，其語法與英語具有某些相似之處。

2. Python與其他經常使用分號或括號的編程語言不同，Python使用換行符號來完成命令。

3. Python依靠縮排（使用空格）與冒號（:）來定義範圍，例如迴圈，函數和類別的範圍。其他程式語言通常使
用括號 { }表示。

In [1]:

# 正確
if 2 > 1:
print("2大於1!")

2大於1!

In [2]:

# 錯誤沒有縮排
-
if 2 > 1:
print("2大於1!")

File "<ipython-input-2-7dbe6b1a7a3c>", line 3

print("2大於 1!")
^
IndentationError: expected an indented block

In [ ]:

# 錯誤縮排位置不同
-
if 2 > 1:
print("2大於1!")
print("縮排位置不同")

-7-
第2章 Anaconda 簡介與安裝
本章節從免費 Anaconda 軟體特性介紹為開端，包括以下內容:
2.1 Anaconda 特性
2.2 Anaconda 下載與安裝
2.3 Anaconda 套件管理
2.4 Spyder 操作

2.1 Anaconda 特性
Anaconda 特性如下，參考下圖所示：

1. Anaconda是一個免費、易於安裝與管理並支援Python語言。

2. 支援1000個以上的開源套件(package)。

3. 支援 Spyder (支援 Python IDE)。

4. 支援 jupyter notebook。

5. 支援 Windows、Mac OS X和Linux。

2.2 Anaconda 下載與安裝 -8-

1. 連接至 [Link] ([Link] ，選取上方 Download。

2. 選取 Python 3.7 version [Download] 約462MB。

3. 安裝 Anaconda3-2019.10-Windows-x86_64.exe，其中二個選項須打勾，否則執行會有問題。

-9-
4. 安裝完成後程式集畫面如下圖所示。

Anaconda 安裝六大程式，說明如下：
1. Anaconda Navigator：Anaconda 瀏覽程式視窗，可開啟額外功能。

2. Anaconda Powershell Prompt：Anaconda 超級命令列介面。

3. Anaconda Prompt：命令列介面視窗，可安裝額外模組。

4. Jupyter Notebook：網頁互動式程式編輯。

5. Reset Spyder Settings：重新設定Spyder功能。

6. Spyder：Python 程式整合開發環境，主要用於撰寫 Python 程式。

- 10 -
Anaconda Navigator

Glueviz 視覺化功能

- 11 -
Orange 工作流程管理

- 12 -
Orange 工作流程管理完成圖 (Scatter Plot)

Jupyter Notebook 完成圖

- 13 -
Jupyter Notebook 快速鍵
Jupyter Notebook 為網頁互動式執行環境，支援 Python，R，Julia 等多種程式撰寫。每次輸入程式的地方稱為
儲存格 (Cell)。使用方式為先按 [Esc]，此時 cell 左側會顯示藍色，配合以下快速鍵。

快速鍵功能
x 刪除當前選擇的cell

a 在當前選擇的上方新增一個cell

b 在當前選擇的下方新增一個cell

Shift + Enter 執行當前的cell並且選到下一個cell

Ctrl + Enter 執行當前cell

M 切換至 markdown 模式，可以看到紅色框框內容從code變成markdown

Y 切換至 code 模式，可以看到左側有程式碼編號

Jupyter Notebook 插入圖片

In [3]:

# <img src="img/matplotlib_01.png" width="600">

# ![anaconda](img/matplotlib_01.png)

Jupyter Notebook 加入數學式

方法1: 將LaTeX代碼括在美元符號 $ ... $中，表示在文字中顯示數學式。
- 14 -
參考資料 [Link] ([Link]
python/jupyter/latex/)

參考資料 [Link] ([Link]

In [4]:

# 積分
# $\int_a^b f(x) = F(b) - F(a)$

∫𝑎𝑏 𝑓(𝑥) = 𝐹(𝑏) − 𝐹(𝑎)

方法2: 將LaTeX代碼括在2個美元符號$$ ... &$中，表示在段落中顯示數學式。

In [5]:

# 極限
# $$f'(a) = \lim_{x \to a} \frac{f(x) - f(a)}{x-a}$$

lim 𝑓(𝑥)𝑥 −− 𝑎𝑓(𝑎)

𝑓 ′ (𝑎) = 𝑥→𝑎
In [6]:

# 常用數學式

- 15 -
- 16 -
矩陣表示

- 17 -
In [7]:

# $$\begin{matrix} a & b \\ c & d \end{matrix}$$

𝑎 𝑏
𝑐 𝑑
矩陣加上 ( ) 表示
In [8]:

# $$\begin{pmatrix} a & b \\ c & d \end{pmatrix}$$

𝑎 𝑏
( 𝑐 𝑑)
矩陣加上 [ ] 表示
In [9]:

# $$\begin{bmatrix} 1 & 2 & 3 \\ 3 & 0 & 1 \\ 0 & 2 & 4 \end{bmatrix}$$

 1 2 3
 3 0 1 
 0 2 4
In [10]:

# $$\left( \frac{p}{q} \right)$$

𝑝
(𝑞)
In [11]:

# $$\lim_{x \to a^-} f(x) = f(a) = \lim_{x \to a^+} f(x)$$

𝑥→𝑎−
lim 𝑓(𝑥) = 𝑓(𝑎) = 𝑥→𝑎
lim+ 𝑓(𝑥)
MacLaurin Series

In [12]:

# $$e^x = \sum_{k=0}^{\infty} \frac{x^k}{k!}$$

∞ 𝑥𝑘
𝑒𝑥 = ∑
𝑘=0 𝑘!
- 18 -
𝑘=0

Jacobian Matrix

 ∂𝑓∂𝑥11 ⋯ ∂𝑓∂𝑥1𝑛 
𝐉 = 𝑑𝐱𝑑𝐟 = [ ∂𝑥∂𝐟1 ⋯ ∂𝑥∂𝐟𝑛 ] =  ⋮ ⋱ ⋮ 
 ∂𝑓𝑚 ⋯ ∂𝑓𝑚 
∂𝑥1 ∂𝑥𝑛
In [13]:

# $$\forall x \in X, \quad \exists y \leq \epsilon$$

∀𝑥 ∈ 𝑋, ∃𝑦 ≤ 𝜖
希臘字母

- 19 -
In [14]:

# $$\alpha$$,

# $$\beta$$,

# $$\gamma$$,

# $$\Gamma$$,

# $$\pi$$,

# $$\Pi$$,

# $$\phi$$,

# $$\varphi$$,

# $$\mu$$,

# $$\Phi$$

𝛼
,

𝛽
,

𝛾
,

Γ
,

𝜋
,

Π
,

𝜙
,

𝜑
,

𝜇
,

Φ
三角函數

- 20 -
In [15]:

# $$\cos (2\theta) = \cos^2 \theta - \sin^2 \theta$$

cos(2𝜃) = cos2 𝜃 − sin2 𝜃

其他符號
In [16]:

# x \equiv a \pmod{b}

𝑥 ≡ 𝑎 (mod 𝑏)
In [17]:

# $$k_{n+1} = n^2 + k_n^2 - k_{n-1}$$

𝑘𝑛+1 = 𝑛2 + 𝑘2𝑛 − 𝑘𝑛−1

In [18]:

# $$n^{22}$$

𝑛22
In [19]:

# $$f(n) = n^5 + 4n^2 + 2 |_{n=17}$$

𝑓(𝑛) = 𝑛5 + 4𝑛2 + 2|𝑛=17

In [20]:

# $$\frac{n!}{k!(n-k)!} = \binom{n}{k}$$

𝑛! = 𝑛
𝑘!(𝑛 − 𝑘)! (𝑘)
In [21]:

# $$\frac{\frac{1}{x}+\frac{1}{y}}{y-z}$$

1+1
𝑥 𝑦
𝑦−𝑧

- 21 -
In [22]:

# $x^\frac{1}{2}$ % no error
# $x^\sfrac{1}{2}$ % error
# $x^{\sfrac{1}{2}}$ % no error

In [23]:

# $$\begin{equation}
# x = a_0 + \cfrac{1}{a_1
# + \cfrac{1}{a_2
# + \cfrac{1}{a_3 + \cfrac{1}{a_4} } } }
# \end{equation}$$

𝑥 = 𝑎0 + 1
𝑎1 + 1
𝑎2 + 1 1
𝑎3 + 𝑎
4
In [24]:

# $$\sqrt{\frac{a}{b}}$$

⎯𝑎⎯⎯
√𝑏
In [25]:

# $$\sqrt[n]{1+x+x^2+x^3+\dots+x^n}$$

√𝑛 ⎯1⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯
+ 𝑥 + 𝑥2 + 𝑥3 + ⋯ + 𝑥𝑛⎯
In [26]:

# $$\frac{\mathrm d}{\mathrm d x} \big( k g(x) \big)$$

d (𝑘𝑔(𝑥))
d𝑥

- 22 -
2.3 Anaconda 套件管理
顯示已安裝套件
conda list

尋找套件
conda search matplotlib

安裝模組
conda install 模組名稱

更新模組
conda update 模組名稱

範例: 更新 anaconda 模組
conda update anaconda

範例: 更新 Spyder 模組
conda update spyder

變更工作目錄

- 23 -
In [27]:

import os

In [28]:

[Link]() # 取得工作目錄
Out[28]:

'C:\\Users\\rwepa'

In [29]:

[Link]("C:/pythondata") # 變更工作目錄, 注意斜線的方向

In [30]:

[Link]() # 取得工作目錄
Out[30]:

'C:\\pythondata'

In [31]:

[Link]([Link]()) # 顯示檔案清單
Out[31]:

['.ipynb_checkpoints',
'10m_pandas',
'10m_pandas.zip',
'2017年10月每小時網路流量.png',
'data',
'img',
'[Link]',
'mydata.h5',
'[Link]',
'[Link]',
'[Link]',
'regression_01.pdf',
'[Link]',
'[Link]',
'web_traffic.csv',
'加入圖片.txt']

In [32]:

[Link]("C:/Users/rwepa")

2.4 Spyder 操作
Spyder 提供 Python 程式撰寫的整合開發環境 (Integrated Development Environment，簡稱IDE) 說明如下：

1. 最上方是功能表列

- 24 -
2. 中間是工具列

3. 視窗切換

4. 程式編輯區, 選取程式碼, 按 CTRL + ENTER 即可執行程式.

5. 檔案總管, 變數清單, 說明

6. 主控制台, 顯示執行結果

- 25 -
第3章 Python語法與流程控制
本章節從資料型別與運算子為開端, 包括以下內容:
3.1 資料型別與運算子
3.2 NumPy模組的使用
3.3 reshape 應用
3.4 離群值處理
3.5 if 與 for 處理

3.1 資料型別與運算子
資料型別
布林 bool, 包括 True, False
整數 int, 例 : 123
長整數 long (字尾加上 L或 l)
浮點數 float, 例 : 1.234, 1.23e17
複數 complex
字串 string

資料型別範例
In [33]:

x = "育達科技大學"
type(x)

Out[33]:

str

In [34]:

x = 123
type(x)

Out[34]:

int

- 26 -
In [35]:

x = 123.456
type(x)

Out[35]:

float

In [36]:

x = complex(1, 2) # python 1+2j 相當於 1+2i

type(x)

Out[36]:

complex

In [37]:

x = ["apple", "banana", "cherry"]

type(x)

Out[37]:

list

In [38]:

x = ("apple", "banana", "cherry")

type(x)

Out[38]:

tuple

In [39]:

x = range(6)
type(x)

Out[39]:

range

In [40]:

x = {"name" : "John", "age" : 36}

type(x)

Out[40]:

dict

- 27 -
In [41]:

x = {"apple", "banana", "cherry"}

type(x)

Out[41]:

set

In [42]:

x = frozenset({"apple", "banana", "cherry"})

type(x)

Out[42]:

frozenset

In [43]:

x = True
type(x)

Out[43]:

bool

In [44]:

x = b"Hello"
type(x)

Out[44]:

bytes

In [45]:

x = bytearray(5)
type(x)

Out[45]:

bytearray

In [46]:

x = memoryview(bytes(5))
type(x)

Out[46]:

memoryview

強制轉換資料型別

- 28 -
In [47]:

str("Hello World")

Out[47]:

'Hello World'

In [48]:

int(123.789)

Out[48]:

123

In [49]:

float(20.567)

Out[49]:

20.567

In [50]:

complex(1j)

Out[50]:

In [51]:

list(("apple", "banana", "cherry"))

Out[51]:

['apple', 'banana', 'cherry']

In [52]:

tuple(("apple", "banana", "cherry"))

Out[52]:

('apple', 'banana', 'cherry')

In [53]:

range(6)

Out[53]:

range(0, 6)

- 29 -
In [54]:

dict(name="John", age=36)

Out[54]:

{'name': 'John', 'age': 36}

In [55]:

set(("apple", "banana", "cherry"))

Out[55]:

{'apple', 'banana', 'cherry'}

In [56]:

frozenset(("apple", "banana", "cherry"))

Out[56]:

frozenset({'apple', 'banana', 'cherry'})

In [57]:

bool(5)

Out[57]:

True

In [58]:

bytes(5)

Out[58]:

b'\x00\x00\x00\x00\x00'

In [59]:

bytearray(5)

Out[59]:

bytearray(b'\x00\x00\x00\x00\x00')

In [60]:

memoryview(bytes(5))

Out[60]:

布林資料型別
- 30 -
In [61]:

print(10 > 8)
print(10 == 8)
print(10 < 8)

True
False
False

註解
註解功能:

1. 註解可用於解釋 Python 程式碼。

2. 註解可用於使程式碼更具可讀性。
3. 註解可用於在測試代碼時暫時不執行某程式。

使用 # 表示註解

In [62]:

x = 5 # 設定初值
使用 """ """ 區塊註解

In [63]:

"""
這是區塊註解
註解超過1行
測試中
"""
print("Hello, World!")

Hello, World!

變數名稱
變數可以具有短名稱（如x和y）或更具描述性的名稱（如: age, customer_name, total_volume）。

Python 變數命名規則：

1. 變數名稱必須以字母或下底線符號開頭

2. 變數名稱不能以數字開頭

3. 變數名稱只能包含字母,數字和下底線（A-z，0-9和_）

4. 變數名稱區分大小寫, 例: age, Age and AGE 是三個不同的變數

5. 雙下底線開頭並結尾的名稱已經由Python保留, 例: __init__
- 31 -
詳細編輯方式可參考 Google Python Style Guide [Link]
([Link]

隨機樣本
In [64]:

import random
[Link](10) # 1輸入大於的隨機種子, 如此每次結果皆相同
print([Link]()) # 回傳 0~1之間的隨機數值
0.5714025946899135

In [65]:

print([Link](1,100)) # 傳回1~10 之暑的隨機整數

random 模組函數

方法說明
seed() Initialize the random number generator

getstate() Returns the current internal state of the random number generator

setstate() Restores the internal state of the random number generator

getrandbits() Returns a number representing the random bits

randrange() Returns a random number between the given range

randint() Returns a random number between the given range

choice() Returns a random element from the given sequence

choices() Returns a list with a random selection from the given sequence

shuffle() Takes a sequence and returns the sequence in a random order

sample() Returns a given sample of a sequence

random() Returns a random float number between 0 and 1

uniform() Returns a random float number between two given parameters

Returns a random float number between two given parameters, you can also set a mode parameter to
triangular()
specify the midpoint between the two other parameters

betavariate() Returns a random float number between 0 and 1 based on the Beta distribution (used in statistics)

Returns a random float number between 0 and 1, or between 0 and -1 if the parameter is negative, based
expovariate()
on the Exponential distribution (used in statistics)

gammavariate() Returns a random float number between 0 and 1 based on the Gamma distribution (used in statistics)

Returns a random float number between 0 and 1 based on the Gaussian distribution (used in probability
gauss()
theories)

Returns a random float number between 0 and 1 based on a log-normal distribution (used in probability
lognormvariate()
theories)

Returns a random float number between 0 and 1 based on the normal distribution (used in probability
normalvariate()
theories)

- 32 -
方法說明
Returns a random float number between 0 and 1 based on the von Mises distribution (used in directional
vonmisesvariate()
statistics)

Returns a random float number between 0 and 1 based on the Pareto distribution (used in probability
paretovariate()
theories)

weibullvariate() Returns a random float number between 0 and 1 based on the Weibull distribution (used in statistics)

指派運算子 Assignment Operators

運算子範例功能
= x=5 x=5

+= x += 3 x=x+3

-= x -= 3 x=x-3

*= x *= 3 x=x*3

/= x /= 3 x=x/3

%= x %= 3 x=x%3

//= x //= 3 x = x // 3

**= x **= 3 x = x ** 3

&= x &= 3 x=x&3

|= x |= 3 x=x|3

^= x ^= 3 x=x^3

>>= x >>= 3 x = x >> 3

<<= x <<= 3 x = x << 3

In [66]:

# 指派運算子 +=
x = 5
print(x)
x += 3
print(x)

5
8

In [67]:

# 指派運算子 -=
x = 5
print(x)
x -= 3
print(x)

5
2

邏輯運算子 Logical Operators

- 33 -
運算子功能範例
== 等於 Equal x == y

!= 不等於 Not equal x != y

> 大於 Greater than x>y

< 小於 Less than x<y

>= 大於或等於 Greater than or equal to x >= y

<= 小於或等於 Less than or equal to x <= y

In [68]:

2 == 2.000

Out[68]:

True

In [69]:

3 != 2

Out[69]:

True

In [70]:

3 > 2

Out[70]:

True

In [71]:

1 < 3

Out[71]:

True

In [72]:

10 >= 10

Out[72]:

True

In [73]:

10 <= 55

Out[73]:

True

- 34 -
邏輯運算子 Logical Operators
運算子功能範例
and 如果二個都為真, 回傳 True x < 5 and x < 10

or 如果有一個都為真, 回傳 True x < 5 or x < 4

not 反運算 not(x < 5 and x < 10)

In [74]:

x < 5 and x < 10

Out[74]:

True

In [75]:

x < 5 or x < 4

Out[75]:

True

In [76]:

not(x < 5 and x < 10)

Out[76]:

False

會員運算子 Membership Operators

Operator Description Example

in Returns True if a sequence with the specified value is present in the object x in y

not in Returns True if a sequence with the specified value is not present in the object x not in y

In [77]:

x = ["apple", "banana"]

print("banana" in x)

True

In [78]:

x = ["apple", "banana"]

print("apple" not in x)

False

- 35 -
常用運算子
** 次方 , 2**3=8
* 乘法

/ 除法

// 整除

% 餘數

+ 加法

- 減法

| 或運算子 OR

^ 互斥運算子 XOR

& AND運算子

<< 左移運算子

>> 右移運算子

3.2 NumPy 模組的使用

In [79]:

import numpy as np
a = [Link]([0,1,2,3,4,5])
a

Out[79]:

array([0, 1, 2, 3, 4, 5])

In [80]:

[Link] # 1

Out[80]:

In [81]:

[Link] # (6,)

Out[81]:

(6,)

- 36 -
In [82]:

# 建立副本之修改會影響a
, b
b = [Link]((3,2))
b

Out[82]:

array([[0, 1],
[2, 3],
[4, 5]])

In [83]:

[Link] # 2

Out[83]:

In [84]:

[Link] # (3,2)

Out[84]:

(3, 2)

In [85]:

b[1][0] = 168
b

Out[85]:

array([[ 0, 1],
[168, 3],
[ 4, 5]])

In [86]:

a # a 物件已經更改, array([ 0, 1, 168, 3, 4, 5])

Out[86]:

array([ 0, 1, 168, 3, 4, 5])

In [87]:

c = [Link]((3,2)).copy()
c

Out[87]:

array([[ 0, 1],
[168, 3],
[ 4, 5]])

- 37 -
In [88]:

c[0][0] = -999

In [89]:

Out[89]:

array([[-999, 1],
[ 168, 3],
[ 4, 5]])

In [90]:

a # a 物件沒有更改
Out[90]:

array([ 0, 1, 168, 3, 4, 5])

3.3 reshape 應用
In [91]:

z = [Link]([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

Out[91]:

array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])

In [92]:

[Link](-1) # -1: unknown dimension

# array([ 1, 2, 3, ..., 10, 11, 12])

Out[92]:

array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

- 38 -
In [93]:

[Link](-1,1) # row -1: unknown , column 1

Out[93]:

array([[ 1],
[ 2],
[ 3],
[ 4],
[ 5],
[ 6],
[ 7],
[ 8],
[ 9],
[10],
[11],
[12]])

In [94]:

[Link](-1, 2) # row -1: unknown , column 2

Out[94]:

array([[ 1, 2],
[ 3, 4],
[ 5, 6],
[ 7, 8],
[ 9, 10],
[11, 12]])

In [95]:

[Link](1,-1) # row 1 , column: unknown

Out[95]:

array([[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]])

In [96]:

[Link](2, -1) # row 2 , column: unknown

Out[96]:

array([[ 1, 2, 3, 4, 5, 6],
[ 7, 8, 9, 10, 11, 12]])

In [97]:

[Link](3, -1) # row 3 , column: unknown

Out[97]:

array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])

- 39 -
In [98]:

# [Link](-1, -1) # ERROR

In [99]:

# 向量化處理
a = [Link]([0,1,1,2,3,5])
a

Out[99]:

array([0, 1, 1, 2, 3, 5])

In [100]:

a*2

Out[100]:

array([ 0, 2, 2, 4, 6, 10])

In [101]:

a**3 # 次方運算
Out[101]:

array([ 0, 1, 1, 8, 27, 125], dtype=int32)

In [102]:

# indexing
a[[Link]([1,3,5])]
a

Out[102]:

array([0, 1, 1, 2, 3, 5])

3.4 離群值處理
In [103]:

a = a**3
a

Out[103]:

array([ 0, 1, 1, 8, 27, 125], dtype=int32)

- 40 -
In [104]:

a > 10

Out[104]:

array([False, False, False, False, True, True])

In [105]:

a[a > 10]

Out[105]:

array([ 27, 125], dtype=int32)

In [106]:

a[a > 10] = 10

In [107]:

Out[107]:

array([ 0, 1, 1, 8, 10, 10], dtype=int32)

In [108]:

[Link](0, 3) # 將a 範圍切換至 [0,3]

Out[108]:

array([0, 1, 1, 3, 3, 3], dtype=int32)

In [109]:

# 處理 Na
x = [Link]([1, 2, 3, [Link], 4])
x

Out[109]:

array([ 1., 2., 3., nan, 4.])

In [110]:

[Link](x) # R 使用 [Link]()函數
Out[110]:

array([False, False, False, True, False])

- 41 -
In [111]:

x[~[Link](x)]

Out[111]:

array([1., 2., 3., 4.])

In [112]:

[Link](x[~[Link](x)])

Out[112]:

2.5

In [113]:

[Link](x) # nan

Out[113]:

nan

In [114]:

# 計算時間
import timeit
import numpy as np

In [115]:

normal_py_sec = [Link]('sum(x*x for x in range(1000))', number=10000)

naive_np_sec = [Link]('sum(na*na)', setup="import numpy as np; na=[Link](1000)",
good_np_sec = [Link]('[Link](na)', setup="import numpy as np; na=[Link](1000)", n
print("Normal Python: %f sec"%normal_py_sec)
print("Naive NumPy: %f sec"%naive_np_sec)
print("Good NumPy: %f sec(最快)"%good_np_sec)

# print "Hello World" # python 2

print("Hello World") # python 3

Normal Python: 1.169908 sec

Naive NumPy: 0.688709 sec
Good NumPy: 0.010764 sec(最快)
Hello World

3.5 if 與 for 處理
if 判斷式

- 42 -
In [116]:

a = 33
b = 200
if b > a:
print("b 是大於 a")

b 是大於 a

elif 判斷式
In [117]:

x = 20
if x < 0:
x = 0
print('Negative changed to zero')
elif x == 0:
print('Zero')
elif x == 1:
print('Single')
else:
print('More')

else 判斷式
In [118]:

a = 200
b = 33
if b > a:
print("b is greater than a")
elif a == b:
print("a and b are equal")
else:
print("a is greater than b")

a is greater than b

if 簡短用法
In [119]:

# 使用:
if a > b: print("a is greater than b")

a is greater than b

if ... else 簡短用法

- 43 -
In [120]:

a = 90
b = 60
print("A") if a > b else print("B")

巢狀 if
In [121]:

x = 12

if x > 10:
print("Above ten,")
if x > 20:
print("and also above 20!")
else:
print("but not above 20.")

Above ten,
but not above 20.

pass

In [122]:

a = 33
b = 200

if b > a:
pass

while 迴圈
In [123]:

i = 1
while i < 6:
print(i)
i += 1

1
2
3
4
5

while 迴圈 + break
- 44 -
In [124]:

i = 1
while i < 6:
print(i)
if i == 3:
break
i += 1

1
2
3

while 迴圈 + continue
In [125]:

i = 0
while i < 6:
i += 1
if i == 3:
continue
print(i)

1
2
4
5
6

while 迴圈 + else
In [126]:

i = 1
while i < 6:
print(i)
i += 1
else:
print("i is no longer less than 6")

1
2
3
4
5
i is no longer less than 6

for 迴圈

- 45 -
In [127]:

# for
words = ['cat', 'window', 'defenestrate']

In [128]:

for w in words:
print(w, len(w))

cat 3
window 6
defenestrate 12

In [129]:

for i in range(5):
print(i)

0
1
2
3
4

for 迴圈 + break
In [130]:

fruits = ["apple", "banana", "cherry"]

for x in fruits:
print(x)
if x == "banana":
break

apple
banana

for 迴圈 + continue
In [131]:

fruits = ["apple", "banana", "cherry"]

for x in fruits:
if x == "banana":
continue
print(x)

apple
cherry

巢狀 for 迴圈
- 46 -
In [132]:

adj = ["red", "small", "RWPEA"]

fruits = ["apple", "banana", "cherry"]

for x in adj:
for y in fruits:
print(x, ",", y)

red , apple
red , banana
red , cherry
small , apple
small , banana
small , cherry
RWPEA , apple
RWPEA , banana
RWPEA , cherry

def 函數
In [133]:

def my_function(fname):
print(fname + " 會員")

my_function("RWEPA")
my_function("李明昌")
my_function("ALAN")

RWEPA 會員
李明昌會員
ALAN 會員

In [134]:

# 最大公因數
def gcd(m, n):
if n == 0:
return m
else:
return gcd(n, m % n)

print(gcd(60, 36)) # 顯示 12
12

Lambda 函數
Python 提供了一個簡易的 function define：lambda，用完即回收。可以實作出很簡單的 function ( 只處理一個運
算式 )。

lambda param1, param2, ... : expression

相當於使用 def

- 47 -
def fun(param1, param2, ... ) : return expression

其中的 expression 不能放 assignment，也就是這一行指令不能放=等號。

In [135]:

def funsum(x, y, z):

return x + y + z
funsum(1, 2, 3)

Out[135]:

In [136]:

func2 = lambda x,y,z : x+y+z

func2(1, 2, 3)

Out[136]:

def + Lambda 函數
In [137]:

def myfunc(n):
return lambda a : a * n

mydoubler = myfunc(2)
mytripler = myfunc(3)

print(mydoubler(11))
print(mytripler(11))

22
33

create 建立物件
In [138]:

class MyClass:
x = 5

In [139]:

MyClass

Out[139]:

__main__.MyClass

- 48 -
In [140]:

p1 = MyClass()
print(p1.x)

__init__() 函數
In [141]:

# The self parameter is a reference to the current instance of the class, and is used to ac

class Person:
def __init__(self, name, age):
[Link] = name
[Link] = age

p1 = Person("John", 36)

print([Link])
print([Link])

John
36

In [142]:

# 修改物件性質
[Link] = 40

In [143]:

# 刪除物件性質
del [Link]

In [144]:

print([Link])

John

In [145]:

# print([Link]) # 已經沒有該成員, 會有 ERROR

In [146]:

# 刪除物件性質
del p1

模組
- 49 -
In [147]:

# [Link]

def greeting(name):
print("Hello, " + name)

載入模組
import mymodule

[Link]("Jonathan")

日期
In [148]:

import datetime

x = [Link]()
print(x)

2019-12-25 23:09:05.420603

In [149]:

print([Link])

2019

In [150]:

print([Link]("%A"))

Wednesday

建立日期物件
In [151]:

import datetime

x = [Link](2019, 12, 19)

print(x)

2019-12-19 00:00:00

strftime 函數

- 50 -
In [152]:

x = [Link](2018, 6, 1)

print([Link]("%B"))

June

常用日期時間格式
格式功能範例
%a Weekday, short version Wed

%A Weekday, full version Wednesday

%w Weekday as a number 0-6, 0 is Sunday 3

%d 日 Day of month 01-31 31

%b Month name, short version Dec

%B Month name, full version December

%m 月 Month as a number 01-12 12

%y Year, short version, without century 18

%Y 西元年 Year, full version 2018

%H Hour 00-23 17

%I Hour 00-12 05

%p AM/PM PM

%M Minute 00-59 41

%S Second 00-59 08

%f Microsecond 000000-999999 548513

%z UTC offset +0100

%Z Timezone CST

%j Day number of year 001-366 365

%U Week number of year, Sunday as the first day of week, 00-53 52

%W Week number of year, Monday as the first day of week, 00-53 52

%c Local version of date and time Mon Dec 31 17:41:00 2018

%x Local version of date 12/31/18

%X Local version of time 17:41:00

%% A % character %

JSON 資料
In [153]:

import json

- 51 -
In [154]:

# JSON 轉換至 Python:

# some JSON:
x = '{ "name":"John", "age":30, "city":"New York"}'

# parse x:
y = [Link](x)

print(y)

# the result is a Python dictionary:

print(y["age"])

{'name': 'John', 'age': 30, 'city': 'New York'}

In [155]:

# Python 轉換至 JSON:

# a Python object (dict):
x = {
"name": "John",
"age": 30,
"city": "New York"
}

print(x)

# convert into JSON:

y = [Link](x)

# the result is a JSON string:

print(y)

{'name': 'John', 'age': 30, 'city': 'New York'}

{"name": "John", "age": 30, "city": "New York"}

Python 轉換至 JSON 對照表

Python JSON

dict Object

list Array

tuple Array

str String

int Number

float Number

True true

False false

None null

- 52 -
In [156]:

import json

x = {
"name": "John",
"age": 30,
"married": True,
"divorced": False,
"children": ("Ann","Billy"),
"pets": None,
"cars": [
{"model": "BMW 230", "mpg": 27.5},
{"model": "Ford Edge", "mpg": 24.1}
]
}

print([Link](x))

{"name": "John", "age": 30, "married": true, "divorced": false, "children":

["Ann", "Billy"], "pets": null, "cars": [{"model": "BMW 230", "mpg": 27.5},
{"model": "Ford Edge", "mpg": 24.1}]}

numpy 統計運算
In [157]:

import numpy

value = [99,86,87,88,111,86,103,87,94,78,77,85,86]

# 平均值 Mean
x = [Link](value)

print(x)

89.76923076923077

In [158]:

# 中位數 Median
x = [Link](value)

print(x)

87.0

- 53 -
In [159]:

# 眾數 Mode
from scipy import stats

x = [Link](value)

print(x)

ModeResult(mode=array([86]), count=array([3]))

In [160]:

# 標準差 Standard Deviation

x = [Link](value)

print(x)

9.258292301032677

In [161]:

# 變異數 Variance
x = [Link](value)

print(x)

85.71597633136093

In [162]:

# 百分位數 Percentiles
ages = [5,31,43,48,50,41,7,11,15,39,80,82,32,2,8,6,25,36,27,61,31]

x = [Link](ages, 75)

print(x)

43.0

In [163]:

x = [Link](ages, 90)

print(x)

61.0

正規表示式 re模組
re 模組（Regular Expression 正規表示式）提供各種正規表示式的匹配操作，主要進行字串處理，使用這一內嵌
於 Python 的語言工具，儘管不能滿足所有複雜的匹配情況，但足夠在絕大多數情況下能夠有效地對複雜字串的
分析並提取出相關資訊。Python 會將正規表示式轉化為位元組碼，利用 C 語言的匹配引擎進行深度優先的匹
- 54 -
配。

re模組網頁: [Link] ([Link]

search 與 match
兩種不同的操作：

[Link]( ) 僅在字串的開頭檢查匹配項

[Link]( ) 在字串的任何位置檢查匹配項（這是Perl的預設操作）

[Link]( ) 找出字串中含有 pattern 的所有字串

使用方式
import re

[Link](pattern, string)

In [164]:

# 載入模組
import re

# 參考資料 [Link]
In [165]:

[Link]("RWEPA", "RWEPA") # match

Out[165]:

<[Link] object; span=(0, 5), match='RWEPA'>

In [166]:

[Link]("c", "abcdef") # No match

In [167]:

[Link]("c", "abcdef") # Match, 只要有包括 c 的字串即可

Out[167]:

<[Link] object; span=(2, 3), match='c'>

In [168]:

# . 表示任意字元，如果指定了 DOTALL 的標識，就表示包括新行在內的所有字元。

[Link]('c.f', 'abcdefg')

- 55 -
In [169]:

# ^ 表示字串開頭
[Link]("c", "abcdef") # No match

In [170]:

[Link]("^c", "abcdef") # No match

In [171]:

[Link]("^a", "abcdef") # match

Out[171]:

<[Link] object; span=(0, 1), match='a'>

In [172]:

[Link]("^c", "abcdef") # No match

In [173]:

[Link]("^a", "abcdef") # Match

Out[173]:

<[Link] object; span=(0, 1), match='a'>

In [174]:

# $ 表示字串結尾
[Link]("f$", "abcdef") # No match

In [175]:

[Link]("f$", "abcdef") # match

Out[175]:

<[Link] object; span=(5, 6), match='f'>

In [176]:

# * 表示匹配前一個字元重複 0 次到無限次
# ’ ‘ 表示匹配前一個字元重複 1次到無限次
# ’?’ 表示匹配前一個字元重複 0 次到 1次
[Link]('abc*', 'abcccd') # abccc

Out[176]:

<[Link] object; span=(0, 5), match='abccc'>

- 56 -
In [177]:

[Link]('abc ', 'abcccabcd')

In [178]:

[Link]('abc?', 'abcccd')

Out[178]:

<[Link] object; span=(0, 3), match='abc'>

In [179]:

# {m} 符合前一個字元 m 次
[Link]('c{3}', 'abcccd abcccgh')

Out[179]:

['ccc', 'ccc']

In [180]:

# {m,n} 符合前一個字元 m 到 n 次 (包括 m與n)

[Link]('a{1,2}b{2,3}', 'abbcccad defababcabbbccccgh')

Out[180]:

['abb', 'abbb']

In [181]:

# [] 表示任何一個字符集,所有特殊字元在其都失去特殊意義,只有： ^ – ] \ 為特殊含義
[Link]('a[bc]', 'abbcccad abc gfacd') # 找出 ab 或 ac

Out[181]: