pandas
构造DataFrame的方式：
import pandas as pd
1.pd.DataFrame([[1,2,3],[4,5,6],[7,8,9]],index=['a','b','c'],columns=['A','B','C'])
2.pd.DataFrame('A':[1,2,3],'B':[4,5,6],'C':[7,8,9])
data={'Name':["A","B","C","D"],'Location':["New York","Paris","London","Berlin"],'Age':[24,13,53,33]}
pd.DataFrame(data)
IPython.diaplay :打印出“美观的”DataFrame
import pandas as pd
from IPython.display import display
data={'Name':["A","B","C","D"],'Location':["New York","Paris","London","Berlin"],'Age':[24,13,53,33]}
data_pandas=pd.DataFrame(data)
display(data_pandas)
筛选：选择年龄大于30的所有行
display(data_pandas[data_pandas.Age>30])
空缺值的处理
dropna(axis=0,how='any',thresh=None,subset=None,inplace=False)
参数：
| 参数 | 意义 |
|---|---|
| axis | 过滤行或列 行:0/index 列:1/columns |
| how | 过滤的标准 any:删除 |
axis:过滤行或列
how:过滤的标准，
thresh:表示有效数据量的最小要求。若传入2，则是要求该行或该列至少有两个非
NAN值时将其保留
mglearn库
用来快速美化绘图，或者用于获取一些有趣的数据
本学期常用库
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import mglearn
输出代码版本
1.pip show keras/tensorflow
2.import sys
print(sys.version)
print("Python version:{}".format(sys.version))
鸢尾花
本例中我们用到了鸢尾花（Iris) 的数据集，这是机器学习和统计学中一个经典的数据集。它包含在scikit-learn的datasets模块中。我们可以用load_iris函数来加载数据：
from sklearn.datasets import load_iris
iris_dataset = load_iris()
load_iris返回的iris对象是一个Bunch对象，与字典非常相似，里面包含键和值：
鸢尾花数据中键的相关介绍
iris.keys()
print("Keys of iris_dataset:\n{}".format(iris_dataset.keys()))
数据包含在data和target中。
1.data
data里面是花萼长度、花萼宽度、花瓣长度、花瓣宽度的测量数据，格式为NumPy数组。
查看data数据的格式：
data数组的每一行对应一朵花，列代表每朵花的四个测量数据
可以看出，数组中包含了150朵不同的花的测量数据。
机器学习中，个体叫做样本（sample)，属性叫做特征(feature)。data数组的**形状（shape)**是样本数乘以特征数。
下面列出前五个样本的特征数值
2.target
target数组中包含的是测量过的每朵花的品种，也是一个NumPy数组。
0代表：setosa 1代表: versicolor 2代表:virginica
3.target_names
target_names键对应的值是一个字符串数组，里面包含我们要预测的花的品种
DESCR键对应的值是数据集的简要说明
print(iris_dataset['DESCR'][:193]+"\n...")
4.feature_names
feature_names键对应的值是一个字符串列表，对每一个特征进行了说明
train_test_split函数可以打乱数据集并进行拆分。这个函数讲75%的行数据作为训练集，
剩下的25%作为测试集。
X_train:训练数据 y_train：训练标签
import random
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(iris_dataset['data'],iris_dataset['target'],random_state=0)
print("X_train shape:{}".format(X_train.shape))
print("y_train shape:{}".format(y_train.shape))
print("X_test shape:{}".format(X_test.shape))
print("y_test shape:{}".format(y_test.shape))
衡量模型
构建一个模型：k近邻算法
原理：构建此模型只需要保存训练集即可。要对一个新的数据点做出预测，算法会在训练集中寻找与这个新数据点距离最近的数据点，然后将找到的数据点的标签赋值给新的数据点。
k的含义是：我们可以考虑训练集中与新数据点最近的任意k个邻居（比如说，距离最近的3个或5个邻居），而不是只考虑最近的那一个。然后，我们可以用这些邻居中数量最多的类别做出预测。
k近邻分类算法是在neighbors模块的KNeighborsClassifier类中实现的。我们需要将这个类实例化为一个对象，然后才能使用这个模型。这时我们需要设置模型的参数。KNeighborsClassifier最重要的参数就是邻居的数目，这里我们设为1：
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=1)
想要基于训练集来构建模型，需要调用knn对象的fit方法，输入参数为X_train,y_train.
knn.fit()对训练集进行训练
knn.fit()，训练函数，它是最主要的函数。接收参数只有1个，就是训练数据集，每一行是一个样本，每一列是一个属性。它返回对象本身，即只是修改对象内部属性，因此直接调用就可以了，后面用该对象的预测函数取预测自然及用到了这个训练的结果。
knn.fit(X_train,y_train)
做出预测
发现一朵鸢尾花，花萼长5cm宽2.9cm,花瓣长1cm宽0.2cm.预测这朵鸢尾花属于哪个品种？
X_new=np.array([[5,2.9,1,0.2]])
prediction=knn.predict(X_new)
print("Prediction:{}".format(prediction))
print(iris_dataset['target_names'][prediction])
knn.predict()预测新输入的类别
knn.predict()，预测函数 接收输入的数组类型测试样本，一般是二维数组，每一行是一个样本，每一列是一个属性。返回数组类型的预测结果。
评估模型
knn.score()计算预测的准确率
knn.score(),计算准确率的函数，输出为一个float型数，表示准确率。
X: 接收输入的数组类型测试样本，一般是二维数组，每一行是一个样本，每一列是一个属性。
y: X这些预测样本的真实标签，一维数组或者二维数组。
y_pred=knn.predict(X_test)
print(y_pred)
print("{:.2f}".format(np.mean(y_pred == y_test)))
调用knn.score()计算预测的准确率
knn.score(),计算准确率的函数，接受参数有3个。输出为一个float型数，表示准确率。内部计算是按照predict()函数计算的结果记性计算的。
接收的3个参数：
X: 接收输入的数组类型测试样本，一般是二维数组，每一行是一个样本，每一列是一个属性。
y: X这些预测样本的真实标签，一维数组或者二维数组。
