matthew的专栏

python 字典（dict）的特点就是无序的，按照键（key）来提取相应值（value），如果我们需要字典按值排序的话，那可以用下面的方法来进行：1 下面的是按照value的值从大到小的顺序来排序。dic = {'a':31, 'bc':5, 'c':3, 'asd':4, 'aa':74, 'd':0}dict= sorted(dic.iteritems(), key=la

python -m pip install --upgrade pip --proxy=10.10.100.100:8080

计算机视觉SimpleCV—开源的计算机视觉框架，可以访问如OpenCV等高性能计算机视觉库。使用Python编写，可以在Mac、Windows以及Ubuntu上运行。自然语言处理NLTK —一个领先的平台，用来编写处理人类语言数据的Python程序Pattern—Python可用的web挖掘模块，包括自然语言处理、机器学习等工具。TextBlob—为普通自

简单随机抽样如果数据集是 dataframedf.simple(n)#从dataframe df中抽取n行数据df.simple(frac=0.8) #抽取80%的数据

利用pandas 读取CSV到dataframeimport pandas as pddf= pd.read_csv('save.csv')#读取df.to_csv('out.csv')#存储

对每一列进行标准化（每个数值在0-1之间）import numpy as npimport pandas as pdnp.random.seed(1)df = pd.DataFrame(np.random.randn(4,4)* 4 + 3)方法一df=df.apply(lambda x: (x - np.min(x)) / (np.max(x) - np.min(x))) 方法二

对测试集进行０－１预测准确率：预测对的／总预测数，包括预测对的０也包括预测对的１，用处：代表着模型的整体准度，越高模型越准精度：预测为１的准确度，用处：代表着１的准度查全率：预测出的１占了真实１的百分比，用处：代表着预测１的覆盖情况举例：现在要推荐股票，分析师Ａ，既想预测哪些要涨，又想预测哪些要跌，所以，他关注的是预测的准确度；分析师Ｂ，不求准确率，只求自己推荐的股票能涨，他关

theList = ['a','b','c']if 'a' in theList: print 'a in the list'if 'd' not in theList: print 'd is not in the list'

作为python的一个库，gensim给了文本主题模型足够的方便，像他自己的介绍一样，topic modelling for humans具体的tutorial可以参看他的官方网页，当然是全英文的，http://radimrehurek.com/gensim/tutorial.html由于这个链接打开速度太慢太慢，我决定写个中文总结：（文章参考了52nl

原文  http://www.gowhich.com/blog/147源码下载的地址：https://github.com/fxsjy/jieba演示地址：http://jiebademo.ap01.aws.af.cm/特点1，支持三种分词模式：    a,精确模式，试图将句子最精确地切开，适合文本分析；     b,全模式，把句子中所有的可以成词的词语

Jupyter Notebook 的快捷键Jupyter Notebook 有两种键盘输入模式。编辑模式，允许你往单元中键入代码或文本；这时的单元框线是绿色的。命令模式，键盘输入运行程序命令；这时的单元框线是灰色。命令模式 (按键 Esc 开启)Enter: 转入编辑模式Shift-Enter: 运行本单元，选中下个单元Ctrl-Enter: 运行本单元Alt-Enter: ...