Python机器学习入门

# 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: {}".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: {}".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