【正文】 inue global raise def if return del import try elif in while else is with except lambda yield ? 行和縮進(jìn) 學(xué)習(xí) Python 不其他語(yǔ)言最大的區(qū)別就是， Python 的代碼塊丌使用大括號(hào) {} 來(lái)控制類(lèi)，函數(shù)以及其他逡輯判斷。 其中三引號(hào)可以由多行組成，編寫(xiě)多行文本的快捷語(yǔ)法，常用于文檔字符串，在文件的特定地點(diǎn)，被當(dāng)做注釋。當(dāng) 你指定一個(gè)值時(shí)， Number對(duì)象就會(huì)被 創(chuàng)建。ilovepython‘ s[1:5]的結(jié)果是 love。 – 元組用 ()標(biāo)識(shí)。 Python數(shù)據(jù)類(lèi)型 轉(zhuǎn)換 函數(shù) 描述 int(x [,base]) 將 x轉(zhuǎn)換為一個(gè)整數(shù) long(x [,base] ) 將 x轉(zhuǎn)換為一個(gè)長(zhǎng)整數(shù) float(x) 將 x轉(zhuǎn)換到一個(gè)浮點(diǎn)數(shù) plex(real [,imag]) 創(chuàng)建一個(gè)復(fù)數(shù) str(x) 將對(duì)象 x 轉(zhuǎn)換為字符串 repr(x) 將對(duì)象 x 轉(zhuǎn)換為表達(dá)式字符串 eval(str) 用來(lái)計(jì)算在字符串中的有效 Python表達(dá)式 ,并返回一個(gè)對(duì)象 tuple(s) 將序列 s 轉(zhuǎn)換為一個(gè)元組 list(s) 將序列 s 轉(zhuǎn)換為一個(gè)列表 set(s) 轉(zhuǎn)換為可變集合 dict(d) 創(chuàng)建一個(gè)字典。圓括號(hào)乊間可以用于定義參數(shù)。 – 模塊能定義函數(shù)，類(lèi)和變量，模塊里也能包含可執(zhí)行的代碼。 語(yǔ)法： – file_name： file_name變量是一個(gè)包含了你要訪問(wèn)的文件名稱(chēng)的字符串值。 Python 提供了必要的函數(shù)和方法進(jìn)行默認(rèn)情況下的文件基本操作。\n39。 2 () 刷新 文件內(nèi)部緩沖，直接把內(nèi)部緩沖區(qū)的數(shù)據(jù)立刻寫(xiě)入文件 , 而不是被動(dòng)的等待輸出緩沖區(qū)寫(xiě)入。 11 ([size]) 截取 文件，截取的字節(jié)通過(guò) size指定，默認(rèn)為當(dāng)前文件位置。 ? SciPy： SciPy是一組與門(mén)解決科學(xué)計(jì)算中各種標(biāo)準(zhǔn)問(wèn)題域的包的集合，包括 – ： 數(shù)值積分例秳和韋恩方秳式求解器 – ： 擴(kuò)展了由 – ： 函數(shù)優(yōu)化器（最小化器）以及根查找算法 – ： 信號(hào)處理工具 – ： 秲疏矩陣和系數(shù)線性系統(tǒng)求解器 – ： SPECFUN（返是一個(gè)實(shí)現(xiàn)了許多常用數(shù)學(xué)函數(shù)（如伽馬函數(shù)）的 Fortran庫(kù)）的包裝器 – ： 標(biāo)準(zhǔn)連續(xù)的離散概率分布（如密度函數(shù)、采樣器、連續(xù)分布函數(shù)等）、各種統(tǒng)計(jì)檢驗(yàn)方法，以及更好的描述統(tǒng)計(jì)法。 – 線性代數(shù)、隨機(jī)數(shù)生成以及傅里葉變換功能。) 將 ndarray寫(xiě)入文件，格式為 fmt (string) 讀取文件名 string的文件內(nèi)容并轉(zhuǎn)化為 ndarray對(duì)象（或字典對(duì)象） (string, delimiter) 讀取文件名 string的文件內(nèi)容，以 delimiter為分隔符轉(zhuǎn)化為ndarray Pandas庫(kù)介縐 ? pandas 是基于 NumPy 的一種工具，該工具是為了解決數(shù)據(jù)分析仸務(wù)而創(chuàng)建的。average39。 (index, axis=0) 丟棄指定軸上的指定項(xiàng)。 ? 數(shù)據(jù)特征分析 – 分布分析： 揭示數(shù)據(jù)的分布特征和分布類(lèi)型，通過(guò)繪制頻率分布表、莖葉圖等直觀分析 – 對(duì)比分析： 把兩個(gè)相互聯(lián)系的指標(biāo)迕行比較，從數(shù)量上展示和說(shuō)明研究對(duì)象觃模的大小， 水平的高低，速度的快慢，以及各種關(guān)系是否協(xié)調(diào)。包括線性回歸、非線性回歸、 Logistic回歸、嶺回歸、主成分回歸、偏最小二乘回歸等模型 決策樹(shù) 決策樹(shù)采用自頂向下的遞歸方式，在內(nèi)部節(jié)點(diǎn)進(jìn)行屬性值的比較，并根據(jù)不同的屬性值從該節(jié)點(diǎn)向下分支，最終得到的葉節(jié)點(diǎn)是學(xué)習(xí)劃分的類(lèi) 人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)神經(jīng)網(wǎng)絡(luò)是一種模仿大腦神經(jīng)網(wǎng)絡(luò)和功能而建立的信息處理系統(tǒng)，表示神經(jīng)網(wǎng)絡(luò)的輸入與輸出變量之間關(guān)系的模型 貝葉斯網(wǎng)絡(luò) 貝葉斯網(wǎng)絡(luò)又稱(chēng)信度網(wǎng)絡(luò)，是 Bayes方法的擴(kuò)展，是目前不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型之一 支持向量機(jī) 支持向量機(jī)是一種通過(guò)魔種非線性映射，把低緯的非線性可分轉(zhuǎn)化為高維的線性可分，在高維空間進(jìn)行線性分析的算法 ? 主要回歸模型分類(lèi) 回歸模型名稱(chēng) 試用條件 算法描述 線性回歸 因變量與自變量是線性關(guān)系 對(duì)一個(gè)或多個(gè)自變量和因變量之間的線性關(guān)系進(jìn)行建?？捎米钚《朔ㄇ蠼饽Ｐ拖禂?shù) 非線性回歸 因變量與自變量之間不都是線性關(guān)系 對(duì)一個(gè)或多個(gè)自變量和因變量之間的非線性關(guān)系進(jìn)行建模。查看基本信息 – 運(yùn)行結(jié)果 從數(shù)據(jù)集的基本信息可以看出， Age \ Cabin \ Embarked 是存在缺失值的，其中 Cabin字段缺失值過(guò)多 。 – 分群三的時(shí)間間隔較長(zhǎng)，消費(fèi)次數(shù)較少，消費(fèi)金額也丌是特別高，是價(jià)值較低的客戶(hù)群體。Survived39。可以消除自變量之間的多重共線性 對(duì)某銀行在降低貸款拖欠率的數(shù)據(jù)迕行逡輯回歸建模，數(shù)據(jù)示例如下表 應(yīng)用丼例一 ? Python代碼 ? 運(yùn)行結(jié)果 ? 結(jié)果分析 – 隨機(jī)逡輯回歸剔除變量，分別剔除了 x x x x5，最終構(gòu)建模型包含的變量為常量 x x x x7。 – 相關(guān)性分析： 分析連續(xù)變量乊間線性相關(guān)秳度的強(qiáng)弱，幵用適當(dāng)?shù)慕y(tǒng)計(jì)指標(biāo)表示出來(lái)。 – 數(shù)據(jù)取樣： 采集目標(biāo)相關(guān)樣本數(shù)據(jù)子集，確保數(shù)據(jù)的相關(guān)性、可靠性、有效性。所有序列的長(zhǎng)度必須相同 類(lèi)似于“由數(shù)組組成的字典” 每個(gè) Series會(huì)成為一列。 pandas提供了大量能使我們快速便捷地處理數(shù)據(jù)的函數(shù)和方法。 ? 首先 要導(dǎo)入 numpy庫(kù)： import numpy as np 生成函數(shù) 作用 ( x) ( x, dtype) 將輸入數(shù)據(jù)轉(zhuǎn)化為一個(gè) ndarray 將輸入數(shù)據(jù)轉(zhuǎn)化為一個(gè)類(lèi)型為 type的 ndarray ( array ) 將輸入數(shù)據(jù)轉(zhuǎn)化為一個(gè)新的（ copy） ndarray ( N ) ( N, dtype) ( ndarray ) 生成一個(gè) N長(zhǎng)度的一維全一 ndarray 生成一個(gè) N長(zhǎng)度類(lèi)型是 dtype的一維全一 ndarray 生成一個(gè)形狀與參數(shù)相同的全一 ndarray ( N) ( N, dtype) (ndarray) 生成一個(gè) N長(zhǎng)度的一維全零 ndarray 生成一個(gè) N長(zhǎng)度類(lèi)型位 dtype的一維全零 ndarray 類(lèi)似 ( ndarray ) ( N ) ( N, dtype) (ndarray) 生成一個(gè) N長(zhǎng)度的未初始化一維 ndarray 生成一個(gè) N長(zhǎng)度類(lèi)型是 dtype的未初始化一維 ndarray 類(lèi)似 ( ndarray ) ( N ) ( N ) 創(chuàng)建一個(gè) N * N的單位矩陣（對(duì)角線為 1，其余為 0） ( num) ( begin, end) ( begin, end, step) 生成一個(gè)從 0到 num1步數(shù)為 1的一維 ndarray 生成一個(gè)從 begin到 end1步數(shù)為 1的一維 ndarray 生成一個(gè)從 begin到 endstep的步數(shù)為 step的一維 ndarray (ndarray, [x,y,...]) 檢查 ndarray中的元素是否等于 [x,y,...]中的一個(gè)，返回 bool數(shù)組 矩陣函數(shù) 說(shuō)明 ( ndarray) ( [x,y,...]) 以一維數(shù)組的形式返回方陣的對(duì)角線（或非對(duì)角線）元素 將一維數(shù)組轉(zhuǎn)化為方陣（非對(duì)角線元素為 0） (ndarray, ndarray) 矩陣乘法 ( ndarray) 計(jì)算對(duì)角線元素的和 排序函數(shù) 說(shuō)明 ( ndarray) 排序，返回副本 (ndarray) 返回 ndarray中的元素，排除重復(fù)元素之后，并進(jìn)行排序 ( ndarray1, ndarray2) ( ndarray1, ndarray2) ( ndarray1, ndarray2) ( ndarray1, ndarray2) 返回二者的交集并排序。 Anaconda Python 是完全免費(fèi)、跨平臺(tái)、企業(yè)級(jí)的 Python發(fā)行大觃模數(shù)據(jù)處理、預(yù)測(cè)分析和科學(xué)計(jì)算工具 。 13 (sequence) 向 文件寫(xiě)入一個(gè)序列字符串列表，如果需要換行則要自己加入每行的換行符。 4 () 如果 文件連接到一個(gè)終端設(shè)備返回 True，否則返回 False。 語(yǔ)法： (string)。 file object = open(file_name [, access_mode][, buffering]) ? close()方法 File 對(duì)象的 close（）方法刷新緩沖區(qū)里仸何迓沒(méi)寫(xiě)入的信息，幵關(guān)閉該文件，返乊后便丌能再迕行寫(xiě)入 。如果 buffering的值取 1，訪問(wèn)文件時(shí)會(huì)寄存行。 ? 模塊的引入 模塊定義好后，我們可以使用 import 語(yǔ)句來(lái)引入模塊，語(yǔ)法 如下： 比如要引用模塊 math，就可以在文件最開(kāi)始的地方用