LRJ的博客

list中的两种添加元素的方法的区别

【代码】前向选择的代码实现（Forward Selection）

【代码】python的collections库自带的Counter()函数。

from …… import * 的用法

eval函数的使用

python字典的操作

多线程的使用

超参数搜索

二、 scikit-learn.metrics导入与调用有两种方式导入：方式一：from sklearn.metrics import 评价指标函数名称例如：from sklearn.metrics import mean_squared_errorfrom sklearn.metrics import r2_score直接使用函数名调用:mse = mean_squared_error(y_test, y_pre)R2 = r2_score(y_test,y_pre)

版权声明：WJ原创文章 https://blog.csdn.net/WJ_MeiMei/article/details/84863023已有环境：python3.5、numpyMKL 、scipy、 matplotlib、 scikit-learn、 tqdm、 scikit-image、sk-video步骤1. Anaconada 环境步骤2. 以下两者方法均失败的情况下用步骤3pip install FFmpegconda install FFmpeg步骤...

Pandas dataframe.min()函数返回给定对象中的最小值。如果输入是一个序列，则该方法将返回一个标量，该数量将是该序列中的最小值。如果输入是一个 DataFrame ，则该方法将返回一个在 DataFrame 的指定轴上具有最小值的序列。默认情况下，该轴是索引轴(axis=0)。用法：DataFrame.min(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)axis: axis=0代表从上到下的索引轴；

import matplotlib.pyplot as pltfrom sklearn.decomposition import PCAimport numpy as np#随便弄一个四维数组来试验一下DF = np.array([[0,1,4,3], [1,2,8,9], [2,4,16,81], [2,5,20,243], [4,6,24,729]])#样本数不能少于维数#如.

import pandas as pd……我这里有一个表格：df_1我想把它的index整理为一个列表，操作如下list = df_1.reset_index()[“index”] 就获取了index的列表。

首先要确保你的linux系统有python，可以安装anaconda，这样python就顺带着一起被安装了。推荐一个安装anaconda的网址：在Linux中永久设置Anaconda环境变量的方法_Linux教程_Linux公社-Linux系统门户网站在linux系统的终端Terminal中输入python（或者python3）调出你的python想要退出python命令行，输入exit()函数就可以了。如果在安装Anaconda的过程中没有将安装路径添加到系统环境变量中，需要在安装..

固定公共子结构，更直观地表现类似的化合物

windows系统下载RDkit可以用anaconda，具体操作如下：conda install -c rdkit rdkit然后就可以在python上运行。（我已经预先创建并激活了“python37”这个环境environment，默认是base，你们也可以创建使用python3.7的环境，方法在文末。）如图，在anaconda的终端输入python，就会转换到python的编译环境。尝试 import rdkit，没有报错~~展示一下我是如何创建并激活python37这个环

一个脚本就能批量得到sdf化合物分子文件的五倍率描述符，生成一个excel表格！首先，找个文件夹，将脚本放进文件夹中。然后创建一个名为linpinski_description_task的文件夹，把化合物分子放入linpinski_description_task文件夹中。然后执行脚本就得到csv表格了！（注意sdf的文件不能有中文符号）美中不足的是，当前的版本批量处理得到的描述符文件是这个样子的：每个分子的具体信息上方都会出现列名。要解决这个问题很简单，使用excel的“数据”、“..

上述代码可以将pandas 指定“”属性“”列为"index"列之后用reindex函数将其变为想要的顺序如果想要取消索引，可以用.reset_index

s = pd.Series([4.5, 2.7, 8.9, -0.4], index = ['d', 'b', 'a', 'c'])s.reindex(['a', 'b', 'c', 'd', 'e']) #是的，哪怕s中没有e这样就能把原本的dbac顺序排列为abcd了

数据清理机器学习算法难以在缺失的特征值上工作，所以我们要创建一些函数处理那些缺失的特征值。1.放弃相应的区域，抛弃缺失数据的样本2.放弃整个特征3.将缺失的值填充为特定的值（平均数、中位数、0）可以使用sklearn中的SimpleImputer填充中位数。如下例，设置超参数strategy="median"，然后用drop函数抛去文本类型的特征（这里是"ocean_proximity"），然后用 fit()函数 对数据进行使用。from sklearn.impute import

conda install pak # 安装包，pak代表包名，可依次安装多个包或指定版本，包名之间空格分开；conda remove pak # 移除指定包conda update pak # 更新包conda upgrade --all # 更新所以包conda search pak # 搜索包信息conda list / conda list -n python34 # 展示各个包的列表 或 指定环境的包列表某些包不存在，会报错：...

loc函数的用法：输入具体的行/列索引的内容，对其进行操作。iloc函数的用法：输入索引所在的位置编号，对其进行操作。

使用Python 制作散点图

在《机器学习实战》这本书里第一章有个实例：联合国统计的人均GDP与国民幸福度之间的关系。书中使用matlablib做散点图。大致的代码如下：def prepare_country_stats(oecd_bli, gdp_per_capita): oecd_bli = oecd_bli[oecd_bli["INEQUALITY"]=="TOT"] oecd_bli = oecd_bli.pivot(index="Country", columns="Indicator", values=

首先，我们拿到一个csv表格 (如果是excel表格也可以另存为csv)如果我们想要得到它的第二行和第三行的数据，就可以直接“切片”，操作如下：注意：a.index函数 得到的并不是列表文件，而是一个range。或者直接用 iloc()、loc()函数：...

迭代是 Python 强大功能之一，是遍历访问集合元素(可迭代对象)的一种方式。。迭代器是一个可以记住遍历的位置的对象。从集合(可迭代对象）的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。在C语言中，要迭代是一件很麻烦的事情，因为迭代的对象不同就会有不同的语法。而在python的 for...in... 循环中，只要对象是可迭代的类型(字符串、列表、元组等)，就可以轻松迭代。迭代器必须要有__iter__() 和 __next__() 两种方法。例如：仅

NumPyN维数组容器。是很基础的扩展，其余的扩展都是以此为基础。SciPy科学计算函数库。包括了统计、优化、整合以及线性代数模块、傅里叶变换、信号和图像图例，常微分方差的求解等Pandas表格容器。【Pan（el) + da(ta) + s(eries)】数据结构有一维的Series，二维的DataFrame(类似于Excel或者SQL中的表)，三维的Panel。学习Pandas你要掌握的是：1.汇总和计算描述统计，处理缺失数据 ，层次化索引2.清理、转换、合并、重塑、

当我们想要遍历处理很多数据集的时候，for in循环、while循环就很实用。单独介绍for in循环首先 in 后面应该是可以遍历的数据类型（可枚举），例如列表、字符串、元组、字典、集合。其次，一定不要忘记加冒号！加了冒号以后，回车到下一行，会自动缩进。（python语言很重视缩进，有缩进代表从属上一行）该函数会遍历每一个元素，并且不能被break函数打断。while循环while循环可以设置循环的条件，当达到一定条件时，循环才会停止。num = 1while num

我有一个csv表格（data.csv），一共1915列，732行（绝大多数的元素是0，偶尔会有1）。现在我想统计 1 在每一列出现的次数、在整个表中出现的次数。data[data == 1].count()