Reorginze the program structure

References_notes.md

@@ -0,0 +1,14 @@
+## Notebooks:
+
+machineLearning/10_digits_classification.ipynb
+
+MachineLearningNotebooks/05.%20Logistic%20Regression.ipynb
+
+MachineLearningNotebooks/08.%20Practical_NeuralNets.ipynb
+
+
+## Exercise
+http://sofasofa.io/competitions.php?type=practice
+https://www.kaggle.com/competitions
+
+https://github.com/wmpscc/DataMiningNotesAndPractice/blob/master/2.KMeans%E7%AE%97%E6%B3%95%E4%B8%8E%E4%BA%A4%E9%80%9A%E4%BA%8B%E6%95%85%E7%90%86%E8%B5%94%E5%AE%A1%E6%A0%B8%E9%A2%84%E6%B5%8B.md

exercise/exercise.ipynb → exercise/1_python.ipynb

@@ -34,10 +34,15 @@
     "* 高于 100 万元时， 超过 100 万元的部分按 1%提成， \n",
     "从键盘输入当月利润 I，求应发放奖金总数？\n",
     "\n",
+    "\n",
     "### （4）循环\n",
     "输出9x9的乘法口诀表\n",
     "\n",
-    "### （5）算法\n",
+    "\n",
+    "### （5）使用while循环实现输出2-3+4-5+6.....+100的和\n",
+    "\n",
+    "\n",
+    "### （6）算法\n",
     "给一个数字列表，将其按照由大到小的顺序排列\n",
     "\n",
     "例如\n",
@@ -45,72 +50,19 @@
     "1, 10, 4, 2, 9, 2, 34, 5, 9, 8, 5, 0\n",
     "```\n",
     "\n",
-    "### （6）应用1\n",
+    "### （7）应用1\n",
     "做为 Apple Store App 独立开发者，你要搞限时促销，为你的应用生成激活码（或者优惠券），使用 Python 如何生成 200 个激活码（或者优惠券）？\n",
     "\n",
     "需要考虑什么是激活码？有什么特性？例如`KR603guyVvR`是一个激活码\n",
     "\n",
-    "### （7）应用2\n",
+    "### （8）应用2\n",
     "需要把某个目录下面所有的某种类型的文件找到。\n",
     "例如把`c:`下面所有的`.dll`文件找到\n",
     "\n",
-    "### （8）应用3\n",
+    "### （9）应用3\n",
     "你有个目录，里面是程序（假如是C或者是Python），统计一下你写过多少行代码。包括空行和注释，但是要分别列出来。\n",
     "\n"
    ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "## 数值计算\n",
-    "\n",
-    "\n",
-    "### （1）对于一个存在在数组，如何添加一个用0填充的边界?\n",
-    "例如对一个二维矩阵\n",
-    "```\n",
-    "10, 34, 54, 23\n",
-    "31, 87, 53, 68\n",
-    "98, 49, 25, 11\n",
-    "84, 32, 67, 88\n",
-    "```\n",
-    "\n",
-    "变换成\n",
-    "```\n",
-    " 0,  0,  0,  0,  0, 0\n",
-    " 0, 10, 34, 54, 23, 0\n",
-    " 0, 31, 87, 53, 68, 0\n",
-    " 0, 98, 49, 25, 11, 0\n",
-    " 0, 84, 32, 67, 88, 0\n",
-    " 0,  0,  0,  0,  0, 0\n",
-    "```\n",
-    "\n",
-    "### （2） 创建一个 5x5的矩阵，并设置值1,2,3,4落在其对角线下方位置\n",
-    "\n",
-    "\n",
-    "### （3） 创建一个8x8 的矩阵，并且设置成棋盘样式\n",
-    "\n",
-    "\n",
-    "### （4）求解线性方程组\n",
-    "\n",
-    "给定一个方程组，如何求出其的方程解。有多种方法，分析各种方法的优缺点（最简单的方式是消元方）。\n",
-    "\n",
-    "例如\n",
-    "```\n",
-    "3x + 4y + 2z = 10\n",
-    "5x + 3y + 4z = 14\n",
-    "8x + 2y + 7z = 20\n",
-    "```\n",
-    "\n",
-    "编程写出求解的程序\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": []
   }
  ],
  "metadata": {

exercise/1_python.py

@@ -0,0 +1,74 @@
+# -*- coding: utf-8 -*-
+# ---
+# jupyter:
+#   jupytext_format_version: '1.2'
+#   kernelspec:
+#     display_name: Python 3
+#     language: python
+#     name: python3
+#   language_info:
+#     codemirror_mode:
+#       name: ipython
+#       version: 3
+#     file_extension: .py
+#     mimetype: text/x-python
+#     name: python
+#     nbconvert_exporter: python
+#     pygments_lexer: ipython3
+#     version: 3.5.2
+# ---
+
+# # Python & Machine Learning Exercises
+
+# ## Python
+#
+# ###  （1）字符串
+# 给定一个文章，找出每个单词的出现次数
+#
+# ```
+# One is always on a strange road, watching strange scenery and listening to strange music. Then one day, you will find that the things you try hard to forget are already gone. 
+# ```
+#
+# ### （2）组合
+# 有 1、2、3、4 个数字，能组成多少个互不相同且无重复数字的三位数？都是多少？
+#
+#
+# ### （3） 判断
+# 企业发放的奖金根据利润提成。利润(I)： 
+# * 低于或等于 10 万元时，奖金可提 10%； 
+# * 高于 10 万元，低于 20 万元时，低于 10 万元的部分按 10%提成，高于 10 万元的部分，可提成 7.5%； 
+# * 20 万到 40 万之间时，高于 20 万元的部分，可提成 5%； 
+# * 40 万到 60 万之间时，高于 40 万元的部分，可提成 3%； 
+# * 60 万到 100 万之间时，高于 60 万元的部分，可提成 1.5%， 
+# * 高于 100 万元时， 超过 100 万元的部分按 1%提成， 
+# 从键盘输入当月利润 I，求应发放奖金总数？
+#
+#
+# ### （4）循环
+# 输出9x9的乘法口诀表
+#
+#
+# ### （5）使用while循环实现输出2-3+4-5+6.....+100的和
+#
+#
+# ### （6）算法
+# 给一个数字列表，将其按照由大到小的顺序排列
+#
+# 例如
+# ```
+# 1, 10, 4, 2, 9, 2, 34, 5, 9, 8, 5, 0
+# ```
+#
+# ### （7）应用1
+# 做为 Apple Store App 独立开发者，你要搞限时促销，为你的应用生成激活码（或者优惠券），使用 Python 如何生成 200 个激活码（或者优惠券）？
+#
+# 需要考虑什么是激活码？有什么特性？例如`KR603guyVvR`是一个激活码
+#
+# ### （8）应用2
+# 需要把某个目录下面所有的某种类型的文件找到。
+# 例如把`c:`下面所有的`.dll`文件找到
+#
+# ### （9）应用3
+# 你有个目录，里面是程序（假如是C或者是Python），统计一下你写过多少行代码。包括空行和注释，但是要分别列出来。
+#
+#

exercise/2_numpy.ipynb

@@ -0,0 +1,82 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 数值计算\n",
+    "\n",
+    "\n",
+    "### （1）对于一个存在在数组，如何添加一个用0填充的边界?\n",
+    "例如对一个二维矩阵\n",
+    "```\n",
+    "10, 34, 54, 23\n",
+    "31, 87, 53, 68\n",
+    "98, 49, 25, 11\n",
+    "84, 32, 67, 88\n",
+    "```\n",
+    "\n",
+    "变换成\n",
+    "```\n",
+    " 0,  0,  0,  0,  0, 0\n",
+    " 0, 10, 34, 54, 23, 0\n",
+    " 0, 31, 87, 53, 68, 0\n",
+    " 0, 98, 49, 25, 11, 0\n",
+    " 0, 84, 32, 67, 88, 0\n",
+    " 0,  0,  0,  0,  0, 0\n",
+    "```\n",
+    "\n",
+    "### （2） 创建一个 5x5的矩阵，并设置值1,2,3,4落在其对角线下方位置\n",
+    "\n",
+    "\n",
+    "### （3） 创建一个8x8 的矩阵，并且设置成国际象棋棋盘样式（黑可以用0, 白可以用1）\n",
+    "\n",
+    "\n",
+    "### （4）求解线性方程组\n",
+    "\n",
+    "给定一个方程组，如何求出其的方程解。有多种方法，分析各种方法的优缺点（最简单的方式是消元方）。\n",
+    "\n",
+    "例如\n",
+    "```\n",
+    "3x + 4y + 2z = 10\n",
+    "5x + 3y + 4z = 14\n",
+    "8x + 2y + 7z = 20\n",
+    "```\n",
+    "\n",
+    "编程写出求解的程序\n",
+    "\n",
+    "\n",
+    "### （5） 翻转一个数组（第一个元素变成最后一个）\n",
+    "\n",
+    "\n",
+    "### （6） 产生一个十乘十随机数组，并且找出最大和最小值\n",
+    "\n",
+    "\n",
+    "## Reference\n",
+    "* [100 numpy exercises](https://github.com/rougier/numpy-100)"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.5.2"
+  },
+  "main_language": "python"
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}

exercise/2_numpy.py

@@ -0,0 +1,70 @@
+# -*- coding: utf-8 -*-
+# ---
+# jupyter:
+#   jupytext_format_version: '1.2'
+#   kernelspec:
+#     display_name: Python 3
+#     language: python
+#     name: python3
+#   language_info:
+#     codemirror_mode:
+#       name: ipython
+#       version: 3
+#     file_extension: .py
+#     mimetype: text/x-python
+#     name: python
+#     nbconvert_exporter: python
+#     pygments_lexer: ipython3
+#     version: 3.5.2
+# ---
+
+# ## 数值计算
+#
+#
+# ### （1）对于一个存在在数组，如何添加一个用0填充的边界?
+# 例如对一个二维矩阵
+# ```
+# 10, 34, 54, 23
+# 31, 87, 53, 68
+# 98, 49, 25, 11
+# 84, 32, 67, 88
+# ```
+#
+# 变换成
+# ```
+#  0,  0,  0,  0,  0, 0
+#  0, 10, 34, 54, 23, 0
+#  0, 31, 87, 53, 68, 0
+#  0, 98, 49, 25, 11, 0
+#  0, 84, 32, 67, 88, 0
+#  0,  0,  0,  0,  0, 0
+# ```
+#
+# ### （2） 创建一个 5x5的矩阵，并设置值1,2,3,4落在其对角线下方位置
+#
+#
+# ### （3） 创建一个8x8 的矩阵，并且设置成国际象棋棋盘样式（黑可以用0, 白可以用1）
+#
+#
+# ### （4）求解线性方程组
+#
+# 给定一个方程组，如何求出其的方程解。有多种方法，分析各种方法的优缺点（最简单的方式是消元方）。
+#
+# 例如
+# ```
+# 3x + 4y + 2z = 10
+# 5x + 3y + 4z = 14
+# 8x + 2y + 7z = 20
+# ```
+#
+# 编程写出求解的程序
+#
+#
+# ### （5） 翻转一个数组（第一个元素变成最后一个）
+#
+#
+# ### （6） 产生一个十乘十随机数组，并且找出最大和最小值
+#
+#
+# ## Reference
+# * [100 numpy exercises](https://github.com/rougier/numpy-100)

exercise/3_matplotlib.ipynb

@@ -0,0 +1,37 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Matplotlib\n",
+    "\n",
+    "\n",
+    "## (1) 画出一个二次函数，同时画出梯形法求积分时的各个梯形\n",
+    "\n"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.5.2"
+  },
+  "main_language": "python"
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}

exercise/3_matplotlib.py

@@ -0,0 +1,26 @@
+# -*- coding: utf-8 -*-
+# ---
+# jupyter:
+#   jupytext_format_version: '1.2'
+#   kernelspec:
+#     display_name: Python 3
+#     language: python
+#     name: python3
+#   language_info:
+#     codemirror_mode:
+#       name: ipython
+#       version: 3
+#     file_extension: .py
+#     mimetype: text/x-python
+#     name: python
+#     nbconvert_exporter: python
+#     pygments_lexer: ipython3
+#     version: 3.5.2
+# ---
+
+# # Matplotlib
+#
+#
+# ## (1) 画出一个二次函数，同时画出梯形法求积分时的各个梯形
+#
+#

knn/digital classification.ipynb

@@ -1,82 +0,0 @@
-{
- "cells": [
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "# Digitial Classification\n",
-    "\n",
-    "\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": 1,
-   "metadata": {},
-   "outputs": [
-    {
-     "name": "stdout",
-     "output_type": "stream",
-     "text": [
-      "Automatically created module for IPython interactive environment\n",
-      "KNN score: 0.953661\n",
-      "LogisticRegression score: 0.908248\n"
-     ]
-    }
-   ],
-   "source": [
-    "print(__doc__)\n",
-    "\n",
-    "from sklearn import datasets, neighbors, linear_model\n",
-    "\n",
-    "digits = datasets.load_digits()\n",
-    "X_digits = digits.data\n",
-    "y_digits = digits.target\n",
-    "\n",
-    "n_samples = len(X_digits)\n",
-    "n_train = int(0.4 * n_samples)\n",
-    "\n",
-    "X_train = X_digits[:n_train]\n",
-    "y_train = y_digits[:n_train]\n",
-    "X_test = X_digits[n_train:]\n",
-    "y_test = y_digits[n_train:]\n",
-    "\n",
-    "knn = neighbors.KNeighborsClassifier()\n",
-    "logistic = linear_model.LogisticRegression()\n",
-    "\n",
-    "print('KNN score: %f' % knn.fit(X_train, y_train).score(X_test, y_test))\n",
-    "print('LogisticRegression score: %f' % logistic.fit(X_train, y_train).score(X_test, y_test))"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "## References\n",
-    "* [Supervised learning: predicting an output variable from high-dimensional observations](http://scikit-learn.org/stable/tutorial/statistical_inference/supervised_learning.html)\n",
-    "* [Digits Classification Exercise](http://scikit-learn.org/stable/auto_examples/exercises/plot_digits_classification_exercise.html)\n"
-   ]
-  }
- ],
- "metadata": {
-  "kernelspec": {
-   "display_name": "Python 3",
-   "language": "python",
-   "name": "python3"
-  },
-  "language_info": {
-   "codemirror_mode": {
-    "name": "ipython",
-    "version": 3
-   },
-   "file_extension": ".py",
-   "mimetype": "text/x-python",
-   "name": "python",
-   "nbconvert_exporter": "python",
-   "pygments_lexer": "ipython3",
-   "version": "3.5.2"
-  }
- },
- "nbformat": 4,
- "nbformat_minor": 2
-}

knn/knn_classification.py

@@ -0,0 +1,73 @@
+# ---
+# jupyter:
+#   jupytext_format_version: '1.2'
+#   kernelspec:
+#     display_name: Python 3
+#     language: python
+#     name: python3
+#   language_info:
+#     codemirror_mode:
+#       name: ipython
+#       version: 3
+#     file_extension: .py
+#     mimetype: text/x-python
+#     name: python
+#     nbconvert_exporter: python
+#     pygments_lexer: ipython3
+#     version: 3.5.2
+# ---
+
+# # KNN Classification
+#
+#
+#
+
+# +
+% matplotlib inline
+
+import matplotlib.pyplot as plt
+from sklearn import datasets, neighbors, linear_model
+
+# load data
+digits = datasets.load_digits()
+X_digits = digits.data
+y_digits = digits.target
+
+print("Feature dimensions: ", X_digits.shape)
+print("Label dimensions:   ", y_digits.shape)
+
+
+# +
+# plot sample images
+nplot = 10
+fig, axes = plt.subplots(nrows=1, ncols=nplot)
+
+for i in range(nplot):
+    img = X_digits[i].reshape(8, 8)
+    axes[i].imshow(img)
+    axes[i].set_title(y_digits[i])
+
+
+# +
+# split train / test data
+n_samples = len(X_digits)
+n_train = int(0.4 * n_samples)
+
+X_train = X_digits[:n_train]
+y_train = y_digits[:n_train]
+X_test = X_digits[n_train:]
+y_test = y_digits[n_train:]
+
+
+# +
+# do KNN classification
+knn = neighbors.KNeighborsClassifier()
+logistic = linear_model.LogisticRegression()
+
+print('KNN score: %f' % knn.fit(X_train, y_train).score(X_test, y_test))
+print('LogisticRegression score: %f' % logistic.fit(X_train, y_train).score(X_test, y_test))
+# -
+
+# ## References
+# * [Digits Classification Exercise](http://scikit-learn.org/stable/auto_examples/exercises/plot_digits_classification_exercise.html)
+#

python/tips/README.md

@@ -0,0 +1,16 @@
+# Pyton技巧
+
+
+## Python的包管理工具: `pip`
+由于python是模块化的开发，因此能够能够利用其他人写的现成的包来快速的完成特定的任务。为了加快包的安装，python有很多包管理的工具，其中`pip`是目前使用最多的包管理工具。
+
+* [pip的安装、使用等](pip.md)
+
+但是由于直接使用pip去访问国外的网站慢，所以需要设置好pip的镜像，从而加快包的安装
+
+
+## Python的虚拟环境： `virtualenv`
+由于Python可以通过`pip`工具方便的安装包，因此极大的加快了程序编写的速度。但由于公开的包很多，不可避免的带来了包依赖导致的无法安装某些程序的问题。针对这个问题可以使用`docker`来构建一个隔离的环境来安装所需要的包，但有的时候还是希望在本机安装，因此需要使用`virtualenv`工具来安装虚拟的python环境。
+
+* [virtualenv的安装、使用](virtualenv.md)
+* [virtualenv便捷管理工具：virtualenv_wrapper](virtualenv_wrapper.md)

python/tips/pip.md

@@ -0,0 +1,66 @@
+# Python的包管理工具: `pip`
+
+由于python是模块化的开发，因此能够能够利用其他人写的现成的包来快速的完成特定的任务。为了加快包的安装，python有很多包管理的工具，其中`pip`是目前使用最多的包管理工具。
+
+## 1. 安装pip
+在ubuntu系统可以直接安装python-pip
+
+```
+# Python 3的pip （建议安装Python3）
+sudo apt-get install python3-pip
+
+# Python 2的pip
+sudo apt-get install python3-pip
+```
+
+Upgrade pip
+```
+sudo pip3 install --upgrade pip
+```
+
+安装之后，可以输入`pip`查看简要的使用说明。**需要注意的是，通过系统安装的pip，在使用pip安装包的时候，需要用sudo来执行。**
+
+
+## 2. pip的命令
+
+### 2.1 查找一个给定名字的package
+```
+pip search numpy
+```
+会找到很多跟numpy有关联的包，可以拷贝每一行最前面的那个包名字，通过安装命令去安装。
+
+
+### 2.2 安装一个给定的package
+```
+$ pip install numpy
+```
+安装`numpy`这个包，同时它的依赖也自动安装到系统。
+
+使用一个给定的URL安装包
+```
+$ pip -f URL install PACKAGE    # 从指定URL下载安装包
+```
+
+
+### 2.3 升级一个包
+```
+$ pip -U install PACKAGE        # 升级包
+```
+
+### 2.4 列出当前系统中已经安装的包
+```
+$ pip list
+```
+
+查看一个安装好的包的信息
+```
+$ pip show numpy
+```
+
+
+## 3. 设置pip的镜像
+但是由于直接使用pip去访问国外的网站慢，所以需要设置好pip的镜像，从而加快包的安装。目前国内有很多pip包镜像，选择其中一个就可以加快很多安装速度
+
+```
+pip config set global.index-url 'https://mirrors.ustc.edu.cn/pypi/web/simple'
+```

python/tips/virtualenv.md

@@ -0,0 +1,59 @@
+# virtualenv manual
+
+
+## 1. Install
+virtualenv 是一个创建隔绝的Python环境的工具。virtualenv创建一个包含所有必要的可执行文件的文件夹，用来使用Python工程所需的包。
+```
+pip install virtualenv
+```
+
+如果当前pip是python2的话，则后续默认创建的虚拟环境就是python2；否则是python3的
+
+
+## 2. 创建虚拟环境
+
+创建一个虚拟环境
+```
+$ mkdir -p ~/virtualenv; cd ~/virtualenv
+
+$ virtualenv venv    # venv 是虚拟环境的目录名
+```
+
+virtualenv venv 将会在当前的目录中创建一个文件夹，包含了Python可执行文件，以及 pip 库的一份拷贝，这样就能安装其他包了。虚拟环境的名字（此例中是 venv ）可以是任意的；若省略名字将会把文件均放在当前目录。
+
+在任何你运行命令的目录中，这会创建Python的拷贝，并将之放在叫做 venv 的文件中。
+
+你可以选择使用一个Python解释器：
+```
+$ virtualenv -p /usr/bin/python2.7 venv　　　　# -p参数指定Python解释器程序路径
+```
+
+
+## 3. 使用虚拟环境
+
+要开始使用虚拟环境，其需要被激活：
+```
+$ source ~/virtualenv/venv/bin/activate　　　
+```
+
+从现在起，任何你使用pip安装的包将会放在 venv 文件夹中，与全局安装的Python隔绝开。
+
+像平常一样安装包，比如：
+```
+$ pip install requests
+```
+
+
+## 4. 如果你在虚拟环境中暂时完成了工作，则可以停用它：
+```
+$ . venv/bin/deactivate
+```
+这将会回到系统默认的Python解释器，包括已安装的库也会回到默认的。
+
+
+## 5. 删除一个虚拟环境
+要删除一个虚拟环境，只需删除它的文件夹。（执行 rm -rf venv ）。
+
+
+这里virtualenv 有些不便，因为virtual的启动、停止脚本都在特定文件夹，可能一段时间后，你可能会有很多个虚拟环境散落在系统各处，你可能忘记它们的名字或者位置。
+

python/tips/virtualenv_wrapper.md

@@ -0,0 +1,59 @@
+# virtualenvwrapper
+
+鉴于virtualenv不便于对虚拟环境集中管理，所以推荐直接使用virtualenvwrapper。 virtualenvwrapper提供了一系列命令使得和虚拟环境工作变得便利。它把你所有的虚拟环境都放在一个地方。
+
+
+安装virtualenvwrapper(确保virtualenv已安装)
+```
+pip install virtualenvwrapper
+pip install virtualenvwrapper-win　　#Windows使用该命令
+```
+
+
+安装完成后，在~/.bashrc写入以下内容
+
+```
+# virtualenv
+export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
+export WORKON_HOME=/home/bushuhui/virtualenv
+source /usr/local/bin/virtualenvwrapper.sh　
+```
+其中VIRTUALENVWRAPPER_PYTHON指定了使用那个python作为解释器
+
+
+## 1.创建虚拟环境　mkvirtualenv
+
+```
+mkvirtualenv venv　　　
+```
+这样会在WORKON_HOME变量指定的目录下新建名为venv的虚拟环境。
+若想指定python版本，可通过"--python"指定python解释器
+```
+mkvirtualenv --python=/usr/local/python3.5.3/bin/python venv
+```
+
+## 2. 基本命令 　
+
+查看当前的虚拟环境目录
+```
+[root@localhost ~]# workon
+py2
+py3
+```
+
+切换到虚拟环境
+```
+[root@localhost ~]# workon py3
+(py3) [root@localhost ~]# 
+```
+
+退出虚拟环境
+```
+(py3) [root@localhost ~]# deactivate
+[root@localhost ~]# 
+```
+
+删除虚拟环境
+```
+rmvirtualenv venv
+```