1、sklearn StandardScaler與“ with_std = False或True”之間的差異和“ with_mean = False或True”（https://www.it1352.com/1794584.html）
****如果將with_mean和with_std設(shè)置為False，則將平均值μ設(shè)置為0并std設(shè)為1，假定列/特征來自正態(tài)高斯分布（均值為0和1 std）。
如果將with_mean和with_std設(shè)置為True，那么您實際上將使用數(shù)據(jù)的真實μ和σ。這是最常見的方法。
2、python之meshgrid的使用(https://blog.csdn.net/qq_30638831/article/details/84628976)
4、關(guān)于numpy的astype（bool）和astype（int）等等（https://blog.csdn.net/wuxulong123/article/details/103387222）
import numpy as np
a=[[1,2,1],[2,3,5]]
b=[[0,0,0],[2,3,5]]
c=np.array(a).astype(bool)
d=np.array(b).astype(bool)
print(c)
print(d)
tight_layout會自動調(diào)整子圖參數(shù)，使之填充整個圖像區(qū)域。
6、Python isalpha()方法（https://www.runoob.com/python/att-string-isalpha.html）
Python isalpha() 方法檢測字符串是否只由字母組成。
7、Python List count()方法(https://www.runoob.com/python/att-list-count.html)
count() 方法用于統(tǒng)計某個元素在列表中出現(xiàn)的次數(shù)。
8、from future import print_function用法（https://zhuanlan.zhihu.com/p/28641474）
首先我們需要明白該句語句是python2的概念，那么python3對于python2就是future了，也就是說，在python2的環(huán)境下，超前使用python3的print函數(shù)。
舉例如下：
在python2.x的環(huán)境是使用下面語句，則第二句語法檢查通過，第三句語法檢查失敗
1 from future import print_function
2 print('you are good')
3 print 'you are good'
10、np.newaxis作用（https://blog.csdn.net/weixin_42866962/article/details/82811082）
np.newaxis的功能:插入新維度
a=np.array([1,2,3,4,5])
aa=a[:,np.newaxis]
print(aa.shape)
print (aa)
輸出：(5, 1)
[[1]
[2]
[3]
[4]
[5]]
11、Mac python matplotlib Glyph xxxxx missing from current font的解決方案
- https://blog.csdn.net/fwj_ntu/article/details/105598145
- https://blog.csdn.net/qiqiqi98/article/details/106732789
- https://blog.csdn.net/weixin_38037405/article/details/107127610
https://blog.csdn.net/Fwuyi/article/details/123084642
plt.rcParams['font.sans-serif'] = ['SimHei'] #運行配置參數(shù)中的字體（font）為黑體（SimHei）
plt.rcParams['axes.unicode_minus'] = False #運行配置參數(shù)總的軸（axes）正常顯示正負號（minus）
12、numpy 學習之 np.c_的用法（https://blog.csdn.net/qq_33728095/article/details/102512600）
np.c 中的c 是 column(列)的縮寫，就是按列疊加兩個矩陣，就是把兩個矩陣左右組合，要求行數(shù)相等。
16、Xlim函數(shù)--Matplotlib(https://blog.csdn.net/chongbaikaishi/article/details/108782039)
獲取或設(shè)置x軸數(shù)值顯示范圍
left, right = xlim() # return the current xlim 返回當前x軸邊界
xlim((left, right)) # set the xlim to left, right 設(shè)置x軸邊界
21、python self.class.name 理解（https://blog.csdn.net/aaa958099161/article/details/90177791）
獲取類名
22、sklearn中的make_blobs的用法(https://blog.csdn.net/weixin_44177568/article/details/102213508)
data, label = make_blobs(n_features=2, n_samples=100, centers=3, random_state=3, cluster_std=[0.8, 2, 5])
n_features表示每一個樣本有多少特征值
n_samples表示樣本的個數(shù)
centers是聚類中心點的個數(shù)，可以理解為label的種類數(shù)
random_state是隨機種子，可以固定生成的數(shù)據(jù)
cluster_std設(shè)置每個類別的方差
23、core_indices[model.core_sample_indices_] = True
https://www.cnblogs.com/xiguapipipipi/p/10109789.html
https://blog.csdn.net/qq_30031221/article/details/116494511
core_indices[model.core_sample_indices_] = True#model.core_sample_indices_：核心點的索引，因為labels_不能區(qū)分核心點還是邊界點，所以需要用這個索引確定核心點。
model.core_sample_indices_ border point位于labels中的下標
24、np.unique( )的用法（https://blog.csdn.net/u012193416/article/details/79672729）
該函數(shù)是去除數(shù)組中的重復數(shù)字，并進行排序之后輸出。
25、axis=0 與 axis=1 的區(qū)分(https://blog.csdn.net/guoyang768/article/details/84818774)
1表示橫軸，方向從左到右；0表示縱軸，方向從上到下
26、分群評估指標（二）|調(diào)整互信息與Homogeneity, completeness and V-measure(https://zhuanlan.zhihu.com/p/425253563)
homogeneity : float
score between 0.0 and 1.0. ;1.0 stands for perfectly homogeneous labeling
completeness:float
score between 0.0 and 1.0. ;1.0 stands for perfectly complete labeling
v_measure:float
harmonic mean of the first two
A clustering result satisfies homogeneity: if all of its clusters contain only data points which are members of a single class.
A clustering result satisfies completeness: if all the data points that are members of a given class are elements of the same cluster.
27、聚類︱python實現(xiàn) 六大 分群質(zhì)量評估指標（蘭德系數(shù)、互信息、輪廓系數(shù)）（https://blog.csdn.net/sinat_26917383/article/details/70577710）
https://blog.csdn.net/howhigh/article/details/73928635
28、numpy.median()(https://blog.csdn.net/qq_42518956/article/details/103987722)
numpy模塊下的median作用為：
計算沿指定軸的均值
返回數(shù)組元素的均值
29、np.logspace() 對數(shù)等?數(shù)列(https://wenku.baidu.com/view/2f9546020422192e453610661ed9ad51f01d54f6.html)
logspace等?數(shù)列，默認以10為底
30、numpy.histogramdd（https://www.cjavapy.com/article/1105/）
計算某些數(shù)據(jù)的多維直方圖。
返回值 ：
H ：ndarray
樣本x的多維直方圖。有關(guān)不同的可能語義，請參見normed和weights。
edges ：list
D數(shù)組的列表，描述每個維度的面元邊緣。
31、python列表去重的兩種方法（https://blog.csdn.net/CHQC388/article/details/114648761）
def test2():
lst = [1,2,5,6,3,5,7,3]
tmp = list(set(lst))
print(tmp) # 順序改變
tmp.sort(key=lst.index)
print(tmp) # 順序不變
32、【numpy】argmax參數(shù)辨析（axis=0,axis=1,axis=-1)(https://blog.csdn.net/weixin_39190382/article/details/105854567)
https://blog.csdn.net/byron123456sfsfsfa/article/details/88923085
argmax：一句話概括，返回最大值的索引。
當axis=0，是在列中比較，選出最大的 行 索引
當axis=1，是在行中比較，選出最大的 列 索引
33、python中endswith()函數(shù)的用法（https://blog.csdn.net/qq_40678222/article/details/83033587）
判斷字符串是否以指定字符或子字符串結(jié)尾。
34、np.array()和np.asarray()的聯(lián)系與區(qū)別（https://blog.csdn.net/weixin_40922744/article/details/106737424）
從定義中可以看出兩者的主要區(qū)別在于 np.array（默認情況下）將會copy該對象，而 np.asarray除非必要，否則不會copy該對象。
35、np.isnan()是判斷是否是空值（https://blog.csdn.net/tian_jiangnan/article/details/104862085）
36、np.argmax（https://blog.csdn.net/CSDNwei/article/details/109183313）
格式：np.argmax(a)
注意：返回的是a中元素最大值所對應(yīng)的索引值
37、np.hstack將參數(shù)元組的元素數(shù)組按水平方向進行疊加(https://blog.csdn.net/G66565906/article/details/84142034)
import numpy as np
arr1 = np.array([[1,3], [2,4] ])
arr2 = np.array([[1,4], [2,6] ])
res = np.hstack((arr1, arr2))
print (res)
[[1 3 1 4]
[2 4 2 6]]
38、dtype=np.uint8（https://blog.csdn.net/qq_42191914/article/details/103103460）
https://zhidao.baidu.com/question/532862991.html
uint8是8位無符號整型，uint16是16位無符號整型。
https://zhidao.baidu.com/question/519987520.html
uint8是指0~2^8-1 = 255數(shù)據(jù)類型，一般在圖像處理中很常見。
今天踩了一個坑，在opencv-python中，若想為圖像創(chuàng)建一個容器，需要指定dtype=np.uint8，否則雖然你的容器矩陣中是有值的，但是無法正常imshow
39、eval() 函數(shù)用來執(zhí)行一個字符串表達式，并返回表達式的值。(https://www.runoob.com/python/python-func-eval.html)
n=81
eval("n + 4")
85
40、python中assert的用法（https://blog.csdn.net/qq_37369201/article/details/109195257）
def zero(s):
a = int(s)
assert a > 0,"a超出范圍" #這句的意思：如果a確實大于0，程序正常往下運行
return a
zero("-2") #但是如果a是小于0的，程序會拋出AssertionError錯誤，報錯為參數(shù)內(nèi)容“a超出范圍”
41、類型提示(self, nums: List[int]) -＞ List[int] （https://blog.csdn.net/chengyikang20/article/details/124778296）
def greeting(name: str) -> str:
return 'Hello ' + name
greeting 函數(shù)中，參數(shù)name的類型是str，返回類型也是str。子類型也可以當作參數(shù)。
42、查看當前numpy版本(https://blog.csdn.net/cpick/article/details/122503241)
在cmd中依次輸入：
1.python
2.import numpy
3.numpy.version
43、numpy 安裝與卸載（https://blog.csdn.net/weixin_42081389/article/details/98185411/）
pip uninstall numpy
pip install numpy==1.16.4
44、os.walk()的詳細理解（https://blog.csdn.net/qq_37344125/article/details/107972463）
for root, dirs, files in os.walk(operate_path):
print('root:',root)
print('dirs:',dirs)
print('files:',files)
print('\n')
root：輸出了mm文件夾的的絕對路徑;
dirs：保存了mm文件夾下的所有子文件夾的目錄名（只有一層）
files：則是一個保存了mm文件夾下的所有文件的文件名，并保存到list中
45、PIL庫中g(shù)etpixel()-方法的使用(https://blog.csdn.net/qq_36430012/article/details/114303458)
getpixel（）函數(shù)是用來獲取圖像中某一點的像素的RGB顏色值，getpixel的參數(shù)是一個像素點的坐標。對于圖象的不同的模式，getpixel函數(shù)返回的值不同。
46、L，P，RGB，RGBA，CMYK，YCbCr，I， F，不同的圖像模式（https://www.likecs.com/show-204895834.html）
模式"L"為灰度圖像，它的每個像素用8個bit位表示，其中0表示黑，255表示白，其它數(shù)字表示不同的灰度。
47、numpy.ndarray 排序（https://www.jb51.net/article/130651.htm）
ndarray.sort(axis=-1,kind='quicksort',order=None)
使用方法：a.sort
參數(shù)說明：
axis：排序沿著數(shù)組的方向，0表示按行，1表示按列
kind：排序的算法，提供了快排、混排、堆排
order：不是指的順序，以后用的時候再去分析這個
作用效果：對數(shù)組a排序，排序后直接改變了a
48、pandas從dataframe中提取多列數(shù)據(jù)(https://blog.csdn.net/weixin_44561414/article/details/125673541)
X = df_gps_org[["latitude","longitude"]]
49、Pandas＞＞按照行、列進行求和（https://blog.csdn.net/panfuyong11/article/details/115349576）
x_train[['L']].apply(lambda x:x.sum())
x_train[['溫度']].apply(lambda x:x.sum())
x_train[['PH']].apply(lambda x:x.sum())
50、pandasDataFrame數(shù)據(jù)轉(zhuǎn)為list的方法(https://wenku.baidu.com/view/2605fc37b4360b4c2e3f5727a5e9856a57122649.html)
caohao= all_data['槽號']
print(type(caohao))
caohao_list = caohao.tolist()
51、pandas轉(zhuǎn)numpy（http://t.zoukankan.com/Renyi-Fan-p-13882431.html）
1.使用DataFrame中的values方法
df.values
2.使用DataFrame中的as_matrix()方法
df.as_matrix()
3.使用Numpy中的array方法
np.array(df)
52、pandas根據(jù)某列去重（https://blog.csdn.net/qq_43965708/article/details/109892053）
53、在matplotlib中創(chuàng)建子圖的多種方式（https://www.dandelioncloud.cn/article/details/1498083567296163841）
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(100)
創(chuàng)建圖像布局對象fig
fig = plt.figure(figsize = (12, 6))
221代表創(chuàng)建2行2列一共4個子圖，并從左往右第1個子圖開始繪圖。
ax1 = fig.add_subplot(221)
ax1.plot(x, x)
ax2 = fig.add_subplot(222)
ax2.plot(x, -x)
ax3 = fig.add_subplot(223)
ax3.plot(x, x ** 2)
ax4 = fig.add_subplot(224)
ax4.plot(-x, x ** 2)
plt.show()
54、sklearn-數(shù)據(jù)集劃分(https://blog.csdn.net/qq_36387683/article/details/80468011)
x_train, x_test, y_train, y_test = train_test_split(data, label, test_size = 0.3, random_state = 7)
55、進度條
import time
from tqdm import tqdm
for i in tqdm(range(1000)):
time.sleep(.01)
56、如何將py文件轉(zhuǎn)化為exe（https://blog.csdn.net/m0_54812370/article/details/124493642）
https://blog.csdn.net/a789865315/article/details/124259965
57、反編譯，如何將Python打包后的exe還原成.py？(https://blog.csdn.net/Csy79/article/details/125103466)
https://blog.csdn.net/weixin_49764009/article/details/120340153
58、調(diào)用fit_transform()與調(diào)用transform()的區(qū)別（https://blog.csdn.net/data_curd/article/details/112556315）
fit_trainfrom方法時trainfrom和fit方法的結(jié)合，其意思是找出x_train的均值和方差，并應(yīng)用到x_train上
而下來調(diào)用trainform就直接用x_train求出來的方差和均值就行了。
fit(): Method calculates the parameters μ and σ and saves them as internal objects.
解釋：簡單來說，就是求得訓練集X的均值，方差，最大值，最小值,這些訓練集X固有的屬性。
transform(): Method using these calculated parameters apply the transformation to a particular dataset.
解釋：在fit的基礎(chǔ)上，進行標準化，降維，歸一化等操作（看具體用的是哪個工具，如PCA，StandardScaler等）。
59、Python—計算方差、標準差（https://blog.csdn.net/weixin_46560950/article/details/104905883）
import numpy as np
arr = [1,2,3,4,5,6]
求方差
arr_var = np.var(arr)
求標準差
arr_std = np.std(arr,ddof=1)
print("方差為：%f" % arr_var)
print("標準差為:%f" % arr_std)
60、python怎么去掉換行符_python去除字符串中的換行符(https://blog.csdn.net/weixin_39610759/article/details/109924504)
一、去除空格
strip()
" xyz ".strip() # returns "xyz"
" xyz ".lstrip() # returns "xyz "
" xyz ".rstrip() # returns " xyz"
" x y z ".replace(' ', '') # returns "xyz"
二、替換 replace("space","")
用replace("\n", ""),后邊的串替換掉前邊的
61、Python字符串截取方式（https://blog.csdn.net/luckjump/article/details/119251647）
import numpy as np
import statistics
my_list = [1, 1, 2, 3, 4, 1, 2, 3, 3, 3, 3, 3]
mode1 = statistics.mode(my_list)
mode2 = np.argmax(np.bincount(my_list))
print(mode1)
print(mode2)
63、ceil() 函數(shù)返回數(shù)字的上入整數(shù)。
import math
math.ceil( x )
64、格式化輸出（https://www.jb51.net/article/240789.htm）
print(f"I love {'Geeks'} for "{'Geeks'}!"")
65、使用random.randint函數(shù)可以生成一個范圍內(nèi)的整數(shù)，但是會重復（https://blog.csdn.net/u012759006/article/details/108252836）
a = np.random.randint(0, 2, 10)
print(a) # [0 0 1 1 0 0 1 0 0 0]
66、Python二維列表的創(chuàng)建、轉(zhuǎn)換以及訪問詳解（https://www.jb51.net/article/246265.htm）
追加一維列標來生成二維列標
row1 = [3, 4, 5]
row2 = [1, 5, 9]
row3 = [2, 5, 8]
row4 = [7, 8, 9]
matrix = []
matrix.append(row1)
matrix.append(row2)
matrix.append(row3)
matrix.append(row4)
print(matrix)
67、python中怎么刪除列表中的元素（https://m.php.cn/article/471345.html)
emove: 刪除單個元素，刪除首個符合條件的元素，按值刪除
str=[1,2,3,4,5,2,6]
str.remove(2)
str
[1, 3, 4, 5, 2, 6]
68、# python判斷目錄是否存在，不存在則創(chuàng)建目錄
import os
wjjname=input("請輸入存放目錄\n") #輸入目標目錄
if os.path.exists(wjjname): #判斷目標目錄是否存在
print("目錄存在")
else:
print("目錄不存在")
print("正在為您創(chuàng)建目錄")
os.mkdir(wjjname) #如果不存在則創(chuàng)建目標目錄
print("目錄創(chuàng)建完成")
input("按回車鍵退出")
69、Python將列表中的元素轉(zhuǎn)化為數(shù)字并排序的示例（http://www.kaotop.com/it/22493.html）
numbers = ['2', '4', '1', '3']
numbers = [2, 4, 1, 3]
numbers = list(map(int, numbers))
70、Python中的groupby分組（https://blog.csdn.net/qq_32618817/article/details/80587228）
for i in df.groupby(['key1','key2']):
print(i)
輸出：
(('a', 'one'), data1 data2 key1 key2
0 -0.293828 0.571930 a one
4 -1.943001 0.106842 a one)
(('a', 'two'), data1 data2 key1 key2
1 1.872765 1.085445 a two)
(('b', 'one'), data1 data2 key1 key2
2 -0.466504 1.26214 b one)
(('b', 'two'), data1 data2 key1 key2
3 -1.125619 -0.836119 b two)
71、【Python】Json配置文件及簡單的封裝函數(shù)使用（https://blog.csdn.net/AwesomeP/article/details/126832604）
import json
def readFileJson():
# 讀取配置文件
with open('global_data.json','r') as f:
data = json.load(f)
return data
72、python讀取文件最后幾行_python讀取文件最后一行兩種方法（https://blog.csdn.net/weixin_39997300/article/details/109879260）
2 with open(fname, 'r', encoding='utf-8') as f: #打開文件
3 lines = f.readlines() #讀取所有行
4 first_line = lines[0] #取第一行
5 last_line = lines[-1] #取最后一行
73、Python列表逆序排列（https://www.jb51.net/article/248826.htm）
會直接將列表里面的元素倒序排列 不需要創(chuàng)建新的副本儲存結(jié)果
優(yōu)點:1.節(jié)省內(nèi)存
缺點:1.直接修改了源數(shù)據(jù)，如果后面使用源數(shù)據(jù)的話不方便，需要再倒序一次（多余的操作)
mylist = [1, 2, 3, 4, 5]
print(mylist)
mylist.reverse()
print(mylist)
74、python文件打包（https://blog.csdn.net/linZinan_/article/details/115573895）
https://www.php.cn/faq/415527.html
方法1 pyinstaller -F -w --icon=“窗口文件圖標絕對路徑” 文件名.py 打包為單個exe文件，一般內(nèi)部包含了依賴庫，所以較大
方法2 pyinstaller -D -w --icon=“窗口文件圖標絕對路徑” 文件名.py 打包為一個文件夾，其中exe文件在文件夾內(nèi)部，這樣子單個exe文件就比較小
data = pd.read_csv(f, low_memory=False)
76、python讀取csv文件的幾種方式（含實例說明）（https://blog.csdn.net/qq_43160348/article/details/124331781）
import pandas as pd
df = pd.read_csv('../data_pro/audito_whole.csv')
print(df)
77、# Python獲取文件夾目錄下文件
os.listdir:參數(shù)為文件夾路徑，可以返回文件夾下的所有子文件夾、文件名稱
不能返回子文件夾下的文件
for file_name in os.listdir(path):
print(file_name)
78、python編寫程序，生成100個0 ~ 10之間的隨機整數(shù)，并統(tǒng)計每個元素的出現(xiàn)次數(shù)。（https://blog.csdn.net/jxydwhb/article/details/105418304）
import random
i = 1
d = {}
while i<101:
value = random.randint(0,10)
d[value] = d.get(value,0)+1
i = i+1
for i in range(0,11):
print("元素 {}出現(xiàn)的次數(shù)：{}".format(i,d[i]))
79、函數(shù)、模塊、包庫關(guān)系
函數(shù)<模塊<包<庫
function < module < package < Libraries
80、
