机器学习Note

在matplotlib中可以使用add_subplot函数进行同一画布中插入不同的图像。 可以在plt.figure()函数中使用figsize=（a，b）函数来自定义每幅画的大小。a表示长度，b表示宽度。 在subplot中，先定义每个子图的位置，然后用画图函数插入想要画的图像 这里值得一提的是randint(1,5,5)函数，该函数随机生成5个1-（5-1）之间的整数。 在同一张图中也可以画两条折线图 其中输入参数c = "color" 可以指定该图像的颜色 若要在图上加注释，对每一条折线加说明的话，在参数输入里加入label 并在plot后面加plt.lengnd(loc = "best")函数 plt.legend() 中的loc="best"表示自动寻找最佳位置，其他位置可以用print(help(plt.legend))函数自行查找

这篇介绍一下关于python的可视化matplotlib包 也可以用xticks(rotation=degree)使得横坐标旋转一定的角度 还可以添加横坐标和纵坐标的名字，并且添加标题

pandas中既有dataFrame格式，又有series结构。dataFrame相当于多个series的结合，每一列的变量都是一个series。首先在pandas中import一个series。这时候可以用series函数把他们组成一个新的dataFrame。 series相当于由一列index和一列values组成。 新的series可以进行sorted排序 可以看出来用reindex函数可以重新用排序index。 series也可以和numpy结合使用。

pandas中的 mean() 函数可以不带缺失值进行求均值。下面是读取进来的数据 然后我用了两种方法去求 salary 中的均值。第一种是先去除 salary 中的 NaN 数值，然后对剩下的值进行求均值。第二种方法是直接调用pandas中的 mean() 函数求得均值。两种方法得到的结果相同。 在pandas中也可以按照某个指标统计数据。首先在原有数据上加上性别这一栏数据，然后对性别这一栏数据分别对male和female进行数据统计。下面的代码是关于如何在原数据上添加列，并对某一变量进行函数分析的例子。 这里主要用到pivot函数 当aggfunc不填入时，默认为求平均值。同样也可以同时对多项进行统计。 pandas中的dropna函数可以指定某一列（axis=1）或者某一行（axis=0）进行有关na数据的删除。 pandas中的loc函数可以查看某一样本的某一属性值 值得注意的是这里用的是方括号，而不是圆括号。 在panads中sort_values函数可以对数据中的某一项变量进行排序： 可以看到第一列的默认的index值混杂了。我们可以用reset_index函数得到新的index pandas可以用自定义函数。可以用apply去调用 使用def函数也可以对某一列的值进行数据替换，加上（axis=1）

在pandas中可以进行一些基本加减乘除的操作，理论上和numpy类似。都是对其中每一个元素进行相同的操作。同样的也可以对某一列求最大最小值。 也可以对某一列进行排序。data.sort_values("属性名"，inplace=True,ascending=True) 其中 inplace=True 表示用替换后的数据代替原数据，ascending=True 表示升序，如果等于False 则表示降序。若数据值为 NaN ，则排序时放在末尾。   下面是关于如何寻找出缺失数据。如果表格中有 NaN 则表示有缺失数据。这时候我们可以用 pandas.isnull() 并且可以用这个来统计NaN的数目

在python中有一个读取数据很强大的包pandas，下面来介绍一下pandas这个包的一些功能。用pandas读取进来的数据类型为DataFrame。首先人工生成一个csv的文件 然后可以用pandas.read_csv("Filename")读取文件数据 data.dtypes可以看各行的数据类型 data.head()可以打印出数据的前几行，若无输入，默认为五行。同理data.tail()可以打印出数据的最后几行。 data.colums可以输出数据的列的名字  data.shape可以输出数据的大小（不包含标题栏那一列） 若想读取某一行的数据，可以用data.loc[n]函数，可以返回第n行的数据，n起始index为0 在dataFrame中，有以下几种类型的数值 1）obeject：就是以前的string类型的数 2）int：整型 3）float：浮点数，小数 4）datatime： 时间类型 5）bool：布尔变量，0或1型 若想读取某一列的值，可以用data[“列名”] data.columns.tolist()可以把标题栏变成一个向量。然后我们可以用一个loop对标题栏进行检索，搜索关键词，从而找到我们需要的信息。（PS：t.endswith("a")是判断t是否以a结尾）

numpy中有很多可以直接用的函数，如sin(), exp(), sqrt() 还有floor()下取整函数和ceil()上取整函数 若是有个矩阵，可以用ravel()可以把矩阵拆成一个向量。a.T可以求得矩阵的转置。 numpy.vstack()和numpy.hstack()可以进行矩阵的拼接 同样的，numpy.vsplit()和numpy.hsplit()可以分离函数。可以等分也可以在指定位置分离 有时候进行等号操作时，让b = a 那么对b的任意操作会直接影响a的值。可以理解成b = a是地址类型的相等。从id()这个function中也可以看出来 a.view()也可以复制数组，但是复制的时候id不同。若改变某一位置的数字的值，另一数组中的数值也会随之改变。 若是想得到完全不同的两个数，保证两个两之间不会相互影响。需要用到a.copy()函数 a.argmax(axis=0)返回每列中最大值的index，同理(axis=1)返回每行最大值的index numpy.tile(b,(m,n))表示对b进行复制，行变成原来的m倍，列变成原来的n倍 numpy.sort(a,axis=1)对每行进行sort排序。b.sort(axis=1)也可以进行同样的操作。argsort()可以返回排序后的index。

Numpy中arange函数还能生成均分一段数据arange(a,b,c)，表示从a开始，每次叠加c，若数字大于b停止。 numpy的random模块下有一个random函数可以返回（0,1)之间的随机数 linspace(a,b,c)从a开始到b，均分成c个点 也可以从numpy中读取一些特殊数 两个向量进行运算，会得到对应位置元素的操作 下面进行矩阵的乘法运算，直接*表示对应元素之间的相乘，矩阵乘法需要用numpy.dot()函数