python程序開發(fā)教程(ppt81頁(yè))-文庫(kù)吧在線文庫(kù)
【正文】 y Python）的飛行馬戲團(tuán) 的狂熱愛好者，我選擇了 Python 作為項(xiàng)目的標(biāo)題。作為一個(gè)略微有些無關(guān)想法的人，和一個(gè) 蒙提 不只是腳本 ? 原因是“腳本語(yǔ)言”泛指僅作簡(jiǎn)單編程任務(wù)的語(yǔ)言，如 Linux shell script、JavaScript等，它們只能處理簡(jiǎn)單的任務(wù) ? 而 Python是面向?qū)ο缶幊蹋?OOP)的，支持異常處理和類型檢查 ? Python的支持者較喜歡稱它為一種 高階動(dòng)態(tài)編程語(yǔ)言 強(qiáng)大易用的標(biāo)準(zhǔn)庫(kù) ? 核心庫(kù)不超過 10Mb ? Html、 Xml解析： BeautifulSoup, Expat ? 字符串處理：字典、數(shù)組切片、正則表達(dá)式 re ? 單元測(cè)試： PyUnit ? 代碼版本控制： PySVN ? 網(wǎng)絡(luò)訪問： urllib2 ? 圖形模塊： Tkinter、 PyTCL、WxPython ? 串行化、多線程等 ? 擴(kuò)展標(biāo)準(zhǔn)庫(kù)十分容易 膠水語(yǔ)言 (glue language) ? Python經(jīng)常用作將不同語(yǔ)言編寫的程序“粘”在一起的膠水語(yǔ)言。參見下兩條。 App Engine 應(yīng)用程序易于構(gòu)建和維護(hù)，并可根據(jù)您的訪問量和數(shù)據(jù)存儲(chǔ)需要的增長(zhǎng)輕松擴(kuò)展。 字符串。 ? s1 = (2, , 39。,39。比如說 a{4}相當(dāng)于 aaaa，再比如說 [13]{2}相當(dāng)于 [13][13] {m, n} 重復(fù) m到 n次。（協(xié)作過濾 Collaborative Filtering) ? 步驟： ? ? ? ? 搜集偏好 ? 首先找到一種表示不同人及其偏好的電影的方法。Snakes on a Plane39。The Night Listener39。Just My Luck39。Toby39。Lisa Rose39。Toby39。 歐幾里得距離評(píng)價(jià) ? 如計(jì)算 Toby和 LaSalle的距離： ? from math import sqrt ? sqrt(pow(54,2)+pow(41,2)) ? ? 為了給偏好接近的情況給出較大的值，可取 ? 該值的倒數(shù)，并 +1避免除數(shù)為 0： ? 1/(1+sqrt(pow(54,2)+pow(41,2))) ? 歐幾里得距離評(píng)價(jià) ? 使用這種方法 構(gòu)造出如下相似度函數(shù) : ? def sim_distance(prefs,person1,person2): ? 得到共同的電影 ? si={} ? for item in prefs[person1]: ? if item in prefs[person2]: ? si[item]=1 ? 如果沒有共同的電影則返回 0 ? if len(si)==0: return 0 ? 計(jì)算歐幾里得距離，返回相似度 ? Sum_of_squares=sum([pow(prefs[person1][item]prefs[person2][item],2) ? for item in prefs[person1] if item in prefs[person2]]) ? return 1/(1+sum_of_squares) 皮爾遜相關(guān)度 ? 皮爾遜相關(guān)系數(shù)是一種更復(fù)雜的方法，它通過計(jì)算兩組數(shù)據(jù) ? 與某一直線擬合的程度來判斷它們的相似程度。Lisa Rose39。), (, 39。) ? [(, 39。, ? ... similarity=) ? [(, 39。 ? 而這一切在 Python中，僅僅是建立一個(gè)涉及人、商品以及評(píng)價(jià) ? 值的字典，然后根據(jù)某些相似度算法得出的人與人的相似度， ? 就可以進(jìn)行推薦了。BOS39。CAK39。ORD39。 ? 然后，為了描述某種方案的好壞，需要定義某種函數(shù)。 ? 例如： [1,4,3,2,7,3,6,3,2,4,5,3] ? 該方案表示 Seymour坐第 2趟航班去紐約，坐第 5趟航班回波士頓 ? Franny坐第 4趟航班去紐約，坐第 3趟回達(dá)拉斯。 ? 下面的代碼片段描述了如何獲取已有解的鄰近解 : ? neighbors=[] ? for j in range(len(domain)): ? 兩個(gè)方向 ? if sol[j]domain[j][0]: ? (sol[0:j]+[sol[j]+1]+sol[j+1:]) ? if sol[j]domain[j][1]: ? (sol[0:j]+[sol[j]1]+sol[j+1:]) 爬山法 ? 爬山法雖然利用了已經(jīng)找到的 ? 優(yōu)解，但它很容易陷入所謂的 ? 局部最優(yōu)解，而找不到全局最 ? 優(yōu)解。相比之下， Python提供的解決方案就少多了。 限制 Python發(fā)展的因素 ? 缺乏 GUI和團(tuán)隊(duì)協(xié)作工具 給 Python應(yīng)用程序創(chuàng)建圖形用戶界面未必復(fù)雜。但是，這同樣改變不了其協(xié)同性能缺乏的嚴(yán)重性。 Java在這些工具領(lǐng)域可謂相當(dāng)豐富。 限制 Python發(fā)展的因素 ? 文檔差距 相比其對(duì)手語(yǔ)言，比如 Perl、 Java，在某種程度上再算上 PHP， Python確實(shí)深受文檔缺乏之苦， Python沒有廣泛、易于獲得的文檔和圖書。 ? 在整個(gè)過程中， Python的簡(jiǎn)單易用讓我們能夠集中精力解決 ? 實(shí)際的問題。 ? 在這個(gè)例子中有 16個(gè)航班、每個(gè)航班都有 9種可能，所有的 ? 可能數(shù)為 916,約 3000億，所以窮舉是不現(xiàn)實(shí)的。 ? 最后設(shè)法找出具有最小代價(jià)函數(shù)值的方案，完成優(yōu)化過程。OMA39。MIA39。DAL39。 ? 現(xiàn)在需要找到一種好的日程安排，使得大家的旅行花費(fèi)盡可能少、等待親友的時(shí)間盡可能短、乘坐飛機(jī)的時(shí)間盡可能短。), (, 39。), (, 39。)] 推薦電影 ? 我們固然可以選擇只看那些和我們品味相近的人推薦的電影，但這樣做太武斷，也許某部電影大家普遍都覺得不錯(cuò)，而恰好與我們最相近的那個(gè)人沒有看過。 ? def topMatches(prefs,person,n=5,similarity=sim_pearson): ? scores=[(similarity(prefs,person,other),other) ? for other in prefs if other!=person] ? 對(duì) list排序，相似度最高的人排在最前 ? ( ) ? ( ) ? return scores[0:n] ? 在交互控制臺(tái)中使用該函數(shù)： ? (,39。Lisa Rose39。You, Me and Dupree39。Toby39。You, Me and Dupree39。The Night Listener39。Lady in the Water39。Superman Returns39。Lisa Rose39。比如說 a{4}相當(dāng)于aaaa，再比如說 [1
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1