Python机器学习入门详解编程语言
# NumPy Python科学计算基础包
import numpy as np # 导入numpy库并起别名为np
numpy_array = np.array([[1,3,5],[2,4,6]])
print(numpy_array)
# SciPy Python中用于科学计算的函数集合
from scipy import sparse
# 创建一个二维数组,对角线为1,其余为0
eye = np.eye(4)
print(eye)
# 将numpy数组转换为csr格式的scipy稀疏矩阵
# 只保留非零元素
sparse_matrix = sparse.csr_matrix(eye)
print( scipy sparse csr matrix:/n{} .format(sparse_matrix))
# 使用COO格式
data = np.ones(4)
row_indices = np.arange(4)
col_indices = np.arange(4)
eye_coo = sparse.coo_matrix((data,(row_indices,col_indices)))
print( coo represtation:/n{} .format(eye_coo))
# matplotlib Python科学绘图库
%matplotlib inline
import matplotlib.pyplot as plt
# 在-10和10之间生成一个数组,共100个数
loc_x = np.linspace(-10,10,100)
# 用余弦函数生成第二个数组
loc_y = np.cos(loc_x)
# plot函数会绘制一个数组关于另一个数组的线图
plt.plot(loc_x,loc_y,marker= x )
# pandas 处理和分析数据的Python库
import pandas as pd
from IPython.display import display
#创建关于人的简单数据集
data = { name :[ zhangsan , lisi , wangwu ],
location :[ 齐齐哈尔 , 太行山 , 云贵高原 ],
age :[12,34,56]
}
data_pandas = pd.DataFrame(data)
display(data_pandas) # 展示全部数据
print( -条件查询 - )
display(data_pandas[data_pandas.age 30])
结果:
# 稀疏矩阵
# pandas 数据集
# matplotlib Python科学绘图库
原创文章,作者:Maggie-Hunter,如若转载,请注明出处:https://blog.ytso.com/12999.html
cpython相关文章
- 快速入门Python机器学习(15)
- 快速入门Python机器学习(35)
- 快速入门Python机器学习(37)
- python大数据分析实例-用Python整合的大数据分析实例
- Python入门系列(六)一篇学会python函数
- python中dtype的使用规范_Python numpy.dtype() 使用实例
- Python机器学习-分类「建议收藏」
- java和python哪个值得学-学java好还是Python好?
- python最好的开发工具_Python编译器
- Anaconda:初学Python、入门机器学习的首选
- python zipfile_Python 学习入门(16)—— zipfile
- Python 生成随机数_python建立随机数列表
- eval在python中是什么意思_如何在Python中使用eval ?
- 1行Python代码,把PPT转成图片,python-office功能更新~
- 一览机器学习算法(附python和R代码)
- 10大机器学习算法,Python与R代码比较
- 机器学习使用Python编程是因为什么?
- 一份不可多得的数据科学与机器学习Python库
- Linux系统下安装Python模块指南(linux安装python模块)
- Python操作MySQL数据库的必备模块mysqlpython(mysql_python)