Python各種常用語句舉例分析

本篇內(nèi)容主要講解“Python各種常用語句舉例分析”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“Python各種常用語句舉例分析”吧!

Anaconda

 1pip list
 2#或者
 3conda list
 4#其中，pip list 只能查看庫，而 conda list 則可以查看庫以及庫的版本
 5
 6
 7pip install scipy
 8pip install scipy --upgrade
 9# 或者
10conda install scipy
11conda update scipy
12
13# 更新所有庫
14conda update --all
15
16# 更新 conda 自身
17conda update conda
18
19# 更新 anaconda 自身
20conda update anaconda

jupyter

 1#顯示所有列
 2pd.set_option('display.max_columns', None)
 3
 4#顯示所有行
 5pd.set_option('display.max_rows', None)
 6
 7#設(shè)置value的顯示長度為100，默認(rèn)為50
 8pd.set_option('max_colwidth',100)
 9
10#內(nèi)嵌畫圖
11%matplotlib inline
12
13#單獨(dú)畫圖
14%matplotlib qt
15
16#畫圖中文亂碼、負(fù)號(hào)
17plt.rcParams['font.sans-serif']=['Microsoft YaHei']
18plt.rcParams['axes.unicode_minus']=False
19
20#讓一個(gè)cell同時(shí)有多個(gè)輸出print
21from IPython.core.interactiveshell import InteractiveShell
22InteractiveShell.ast_node_interactivity = "all"

主要的數(shù)據(jù)分析包

 1import numpy as np
 2import pandas as pd
 3import matplotlib.pyplot as plt
 4from matplotlib.figure import SubplotParams  
 5#我們使用SubplotParams 調(diào)整了子圖的豎直間距
 6#plt.figure(figsize=(12, 6), dpi=200, subplotpars=SubplotParams(hspace=0.3))
 7
 8import scipy.stats as stats
 9import seaborn as sns
10import statsmodels.api as sm

Sklearn

 1from sklearn import datasets    #本地?cái)?shù)據(jù)
 2from sklearn.model_selection import train_test_split    #進(jìn)行數(shù)據(jù)分割
 3
 4from sklearn.feature_extraction import DictVectorizer  #特征抽取和向量化
 5from sklearn.preprocessing import PolynomialFeatures   #多項(xiàng)式特征構(gòu)造
 6
 7from sklearn.feature_selection import VarianceThreshold  #基于方差特征選擇
 8from sklearn.feature_selection import SelectKBest,SelectPercentile  #特征選擇
 9#For classification: chi2, f_classif, mutual_info_classif
10#For regression: f_regression, mutual_info_regression
11from sklearn.feature_selection import RFE   #遞歸特征消除 (Recursive Feature Elimination)
12from sklearn.feature_selection import SelectFromModel   #基于模型選擇特征
13
14from sklearn.decomposition import PCA  #主成分分析
15from sklearn.manifold import MDS  #多維尺度分析
16from sklearn.manifold import TSNE  #T分布和隨機(jī)近鄰嵌入
17
18from sklearn.pipeline import Pipeline       #管道
19from sklearn import metrics      #模型評(píng)估
20from sklearn.model_selection import GridSearchCV  #網(wǎng)格搜索交叉驗(yàn)證
21from sklearn.model_selection import KFold  #K折交叉驗(yàn)證
22from sklearn.model_selection import cross_val_score  #交叉驗(yàn)證
23
24from sklearn.linear_model import LinearRegression    #線性回歸
25
26from sklearn.linear_model import LogisticRegression  #邏輯回歸
27
28from sklearn import svm    #支持向量機(jī)
29
30from sklearn.tree import DecisionTreeClassifier  #決策樹
31from sklearn.ensemble import RandomForestClassifier  #隨機(jī)森林
32from sklearn.ensemble import GradientBoostingClassifier  #梯度提升樹
33
34from sklearn.naive_bayes import MultinomialNB  #多項(xiàng)式樸素貝葉斯
35from sklearn.naive_bayes import BernoulliNB  #伯努利樸素貝葉斯
36from sklearn.naive_bayes import GaussianNB  #高斯樸素貝葉斯
37
38from sklearn.neighbors import KNeighborsClassifier  #k緊鄰
39
40from sklearn.cluster import KMeans   #k均值聚類
41from sklearn.cluster import DBSCAN  #基于密度的空間聚類
42from sklearn.cluster import SpectralClustering  #譜聚類
43from sklearn.cluster import Birch  #層次聚類
44
45from sklearn.externals import joblib  #保存模型

到此，相信大家對“Python各種常用語句舉例分析”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！