sklearn&Tensorflow机器学习01 --- 概览，回归模型(幸福感与国家gdp的关系

import matplotlib.pyplot as plt import numpy as np import pandas as pd from sklearn import linear_model #首先处理幸福的数据 #加载数据 oecd_bli = pd.read_csv("oecd_bli_2015.csv",thousands = ',') oecd_bli = oecd_bli[oecd_bli['Inequality']=='Total'] oecd_bli = oecd_bli.pivot(index = 'Country', columns = 'Indicator',values = 'Value') #接着处理gdp的数据 gdp_per_capita = pd.read_csv('gdp_per_capita.csv',thousands = ',', delimiter = '\t', encoding ='latin1',na_values = 'n/a') gdp_per_capita.rename(columns = {'2015':'GDP per captial'},inplace = True) gdp_per_capita.set_index('Country', inplace = True) gdp_per_capita.head(2) #将两张表融合在一起 full_country_stats = pd.merge(left = oecd_bli, right = gdp_per_capita, left_index = True, right_index = True) full_country_stats.sort_values(by = 'GDP per captial', inplace = True) #划分数据 remove_indices = [0,1,6,8,33,34,35] keep_indices = list(set(range(36)) - set(remove_indices)) sample_data = full_country_stats[["GDP per captial",'Life satisfaction']].iloc[keep_indices] missing_data = full_country_stats[["GDP per captial","Life satisfaction"]].iloc[remove_indices] #画图 sample_data.plot(kind = 'scatter',x= 'GDP per captial',y = 'Life satisfaction', figsize = (5,3)) plt.axis([0,60000,0,10]) position_text = { "Hungary":(5000,1), "Korea":(18000,1.7), "France":(29000,2.4), "Australia":(40000,3.0), "United States":(52000,3.8) } for country, pos_text in position_text.items(): pos_data_x, pos_data_y = sample_data.loc[country] if country == "United States" : country = 'U.S.' else: country plt.annotate(country, xy = (pos_data_x, pos_data_y), xytext = pos_text, arrowprops = dict(facecolor = 'black', width = 0.5, shrink = 0.1, headwidth = 5)) plt.plot(pos_data_x,pos_data_y,'ro')

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
[外链图片转存中…(img-dgA2qLNd-1712445694105)]