Python数据挖掘相关扩展库
| 扩展库 | 简介 |
|---|---|
| Numpy | 提供数组支持，以及相应的高效的处理函数 |
| Scipy | 提供矩阵支持，以及矩阵相关的数值计算模块 |
| Matplotlib | 强大的数据可视化工具、作图库 |
| Pandas | 强大、灵活的数据分析和探索工具 |
| StatsModels | 统计建模和计量经济学，包括描述统计、统计模型估计和推断 |
| Scikit-Learn | 支持回归、分类、聚类等的强大的机器学习库 |
| Keras | 深度学习库，用于建立神经网络以及深度学习模型 |
| Gensim | 用来做文本主题模型的库，文本挖掘可能用到 |
| Pillow | 涉及图片处理 |
| OpenCV | 涉及视频处理 |
| GMPY2 | 涉及高精度运算 |
numpy基本操作
# -*- coding: utf-8 -*-
# 一般以np作为numpy的别名
import numpy as np
# 创建数组
a = np.array([2, 0, 1, 5])
# 输出数组
print(a)
# 引用前三个数字（切片）
print(a[:3])
# 输出a的最小值
print(a.min())
# 将a的元素从小到大排序，此操作直接修改a
a.sort()
print(a)
# 创建二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
# 输出数组的平方矩阵
print(b * b)测试结果：
[2 0 1 5]
[2 0 1]
0
[0 1 2 5]
[[ 1 4 9]
[16 25 36]]每一个成功的背后都有无数个无人知晓的黑夜。
因为
夜晚，是超越对手的最佳时机。
===================== 码农1024 =====================#蔺光岭#
还不快抢沙发