本篇内容主要讲解“Python各种常用语句举例分析”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python各种常用语句举例分析”吧!
目前创新互联公司已为数千家的企业提供了网站建设、域名、网站空间、绵阳服务器托管、企业网站设计、牡丹网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。
1pip list 2#或者 3conda list 4#其中，pip list 只能查看库，而 conda list 则可以查看库以及库的版本 5 6 7pip install scipy 8pip install scipy --upgrade 9# 或者 10conda install scipy 11conda update scipy 12 13# 更新所有库 14conda update --all 15 16# 更新 conda 自身 17conda update conda 18 19# 更新 anaconda 自身 20conda update anaconda
1#显示所有列
2pd.set_option('display.max_columns', None)
3
4#显示所有行
5pd.set_option('display.max_rows', None)
6
7#设置value的显示长度为100，默认为50
8pd.set_option('max_colwidth',100)
9
10#内嵌画图
11%matplotlib inline
12
13#单独画图
14%matplotlib qt
15
16#画图中文乱码、负号
17plt.rcParams['font.sans-serif']=['Microsoft YaHei']
18plt.rcParams['axes.unicode_minus']=False
19
20#让一个cell同时有多个输出print
21from IPython.core.interactiveshell import InteractiveShell
22InteractiveShell.ast_node_interactivity = "all"1import numpy as np 2import pandas as pd 3import matplotlib.pyplot as plt 4from matplotlib.figure import SubplotParams 5#我们使用SubplotParams 调整了子图的竖直间距 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
1from sklearn import datasets #本地数据 2from sklearn.model_selection import train_test_split #进行数据分割 3 4from sklearn.feature_extraction import DictVectorizer #特征抽取和向量化 5from sklearn.preprocessing import PolynomialFeatures #多项式特征构造 6 7from sklearn.feature_selection import VarianceThreshold #基于方差特征选择 8from sklearn.feature_selection import SelectKBest,SelectPercentile #特征选择 9#For classification: chi2, f_classif, mutual_info_classif 10#For regression: f_regression, mutual_info_regression 11from sklearn.feature_selection import RFE #递归特征消除 (Recursive Feature Elimination) 12from sklearn.feature_selection import SelectFromModel #基于模型选择特征 13 14from sklearn.decomposition import PCA #主成分分析 15from sklearn.manifold import MDS #多维尺度分析 16from sklearn.manifold import TSNE #T分布和随机近邻嵌入 17 18from sklearn.pipeline import Pipeline #管道 19from sklearn import metrics #模型评估 20from sklearn.model_selection import GridSearchCV #网格搜索交叉验证 21from sklearn.model_selection import KFold #K折交叉验证 22from sklearn.model_selection import cross_val_score #交叉验证 23 24from sklearn.linear_model import LinearRegression #线性回归 25 26from sklearn.linear_model import LogisticRegression #逻辑回归 27 28from sklearn import svm #支持向量机 29 30from sklearn.tree import DecisionTreeClassifier #决策树 31from sklearn.ensemble import RandomForestClassifier #随机森林 32from sklearn.ensemble import GradientBoostingClassifier #梯度提升树 33 34from sklearn.naive_bayes import MultinomialNB #多项式朴素贝叶斯 35from sklearn.naive_bayes import BernoulliNB #伯努利朴素贝叶斯 36from sklearn.naive_bayes import GaussianNB #高斯朴素贝叶斯 37 38from sklearn.neighbors import KNeighborsClassifier #k紧邻 39 40from sklearn.cluster import KMeans #k均值聚类 41from sklearn.cluster import DBSCAN #基于密度的空间聚类 42from sklearn.cluster import SpectralClustering #谱聚类 43from sklearn.cluster import Birch #层次聚类 44 45from sklearn.externals import joblib #保存模型
到此，相信大家对“Python各种常用语句举例分析”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
