sklearn+numpy+pandas+matplotlib+seaborn兼容版本

最新推荐文章于 2023-07-24 21:50:43 发布
最新推荐文章于 2023-07-24 21:50:43 发布
阅读量8k 收藏 23
点赞数 7
分类专栏： 统计学习 文章标签： 机器学习 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34070631/article/details/110956462
版权

python 3.6

sklearn 0.23.2

numpy 1.19.1

pandas 1.1.3

matplotlib 2.2.3 注意:matplotlib出现过兼容问题，不能使用3.3.3版本

seaborn 0.9.0

咖啡豆丁
关注
  • 7
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
深度学习如何解决numpy、matpoltlb、seaborn版本互相冲突？
wang_jiezeng的专栏
04-02 1957
原来显卡驱动CUDA11.2与创建tensorflow-gup环境相安无事。但由于该驱动与其他程序绑定的，没有关闭其自动升级惹了很多麻烦。由于该驱动与其他互相绑定，建议关闭。最新的，不一定是最好的！
Numpy Pandas Matplotlib Seaborn基本操作
06-23
Numpy Pandas Matplotlib Seaborn都是进行机器学习数据分析的基本库。 NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库 pandas 是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。 Matplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。
数据分析处理快速上手教程matplotlib+numpy+pandas（基础讲解）
m0_52987303的博客
03-20 1万+
python数据挖掘 主要参考资料： API reference — pandas 1.4.1 documentation (pydata.org) 哔哩哔哩网课 走在小路上 笔记 一、数据挖掘基础环境安装与使用 1.1 库的安装 pip install 集合到requirements.txt文件中集成安装 matplotlib==2.2.2 numpy==1.14.2 pandas==0.20.3 TA-Lib==0.4.16 技术指标库 tables==3.4.2 hdf5 jupyter==1
python3.6，numpy，matplotlib，scipy，sklearn匹配版本安装
热门推荐
Vertira的博客
01-05 2万+
先安装numpy，再安装scipy，再安装matplotlib这三个都是python3.6对应的版本。比较唯一， sk-learn 官网没有展示与python3.6对应的版本，但是使用清华源安装，可以安装到对应的版本。
python和numpy matplotlib版本匹配，以及安装指定版本库
innovationy的博客
11-18 1万+
python和numpy matplotlib版本匹配，以及安装指定版本库 已知的兼容版本：     python3.6;     numpy1.16.3或者1.18.2;     pandas0.24.2;     matplotlib3.0.3     scipy 1.3.1     scikit-learn==0.22.1 一、卸载 pip uninstall numpy 其他库类似 二、安装 安装指定版本的库 conda install numpy==1.16.3 或 pip install m
python的基础包 Numpy、Pandas和Searborn
123
11-10 284
1. numpy （1）array 初始化一个数组 （2） Array indexing/数组取值 1）方式一 ...
python3.10 对应numpy、matplotlib、pandas库版本
weixin_46483785的博客
07-03 1万+
注：平台为pycharm。
seaborn可视化学习
ZFour_X的博客
08-12 543
Seaborn是Python流行的数据可视化库之一。本次学习主要对京东商城爬取的耳机数据进行系列可视化操作。
sklearn适配版本
最新发布
u012333203的博客
07-24 2573
cycler 0.11.0 fonttools 4.31.2 jieba 0.42.1 joblib 1.3.1 kiwisolver 1.4.4 matplotlib 3.5.2 mysql-connector-python 8.0.30 numpy 1.22.4 packaging
Python绘图之seaborn（一）
m0_45903982的博客
06-17 1161
最近在系统梳理一下Python的几个可视化绘图库，其中seaborn上手较为方便快捷，下面给大家简单介绍一下，可以满足自己日常需要的绘图要求。 Seaborn 是一个基于 matplotlib 且数据结构与 pandas 统一的统计图制作库。Seaborn 框架旨在以数据可视化为中心来挖掘与理解数据。它提供的面向数据集制图函数主要是对行列索引和数组的操作，包含对整个数据集进行内部的语义映射与统计整合，以此生成富于信息的图表。 一、安装seaborn 为了安装最新版本的seaborn, 可以 pip命令: p
pysci：IPython，Numpy，Pandas，Matplotlib，Seaborn，Sklearn，Statsmodels
02-27
pysci：IPython，Numpy，Pandas，Matplotlib，Seaborn，Sklearn，Statsmodels
numpy-pandas-matplotlib-seaborn
03-12
numpy-pandas-matplotlib-seaborn
py数据分析numpy, pandas, matplotlib, pyecharts, seaborn
01-30
py数据分析numpy, pandas, matplotlib, pyecharts, seaborn...(py data analysis_ numpy, pandas, matplotlib, pyecharts, seaborn...).zip
数据科学教程：有关如何使用Python，Pandas，Seaborn，Numpy，Matplotlib，Scipy进行数据科学的教程
02-05
数据科学教程：有关如何使用Python，Pandas，Seaborn，Numpy，Matplotlib，Scipy进行数据科学的教程
数据挖掘环境搭建
my blogs
12-11 608
1.安装anaconda 2.创建虚拟环境 conda create --name datamining python=3.6 3.安装jupyterlab conda install -c conda-forge jupyterlab 4.创建新的核心(jupyter lab自带核心ipykernel，不用安装) python -m ipykernel install --user --name=datamining --display-name datamining 5.安装插件 con
shap值的使用
my blogs
03-11 511
import shap shap.initjs() explainer = shap.TreeExplainer(model) shap_values = explainer.shap_values(X_train) shap.summary_plot(shap_values, X_train,max_display=80)
anaconda 清华镜像
my blogs
12-11 457
channels: - defaults show_channel_urls: true channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - https:...
Tensorflow图像识别小结
my blogs
03-11 441
一、run.py执行过程: 1、执行tf.app.run() 2、tf.app.run()会调用本类中的的main函数,然后依次执行 3、首先获取已经处理好的图片 4、然后定义tensorflow占位符，convolution层和pool层，全连接层和逻辑输出层 5、最后定义损失函数，反向传播过程和模型评价的一些指标 6、获取session，并初始化所有变量，sess.run()启动模型训练的过程 7、模型训练结束后，读取模型存放的参数和图，并预测新的数据 8、sess.close()整..
数据分析(Python+numpy+pandas+matplotlib分析58同城成都房价)
05-24
好的，那我们开始吧。 首先，我们需要安装必要的库，包括numpy、pandas和matplotlib。你可以通过以下命令来安装： ``` pip install numpy pandas matplotlib ``` 接下来，我们需要获取数据。我们可以从58同城的房产页面上爬取数据。这里我们使用Python中的requests库和BeautifulSoup库来实现。 ```python import requests from bs4 import BeautifulSoup url = 'https://cd.58.com/ershoufang/' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36'} r = requests.get(url, headers=headers) soup = BeautifulSoup(r.text, 'html.parser') house_list = soup.find_all('div', {'class': 'property_content'}) ``` 现在我们已经成功获取了房屋列表。接下来，我们需要将它们保存到一个数据框中，以便进行分析。 ```python import pandas as pd data = [] for house in house_list: title = house.find('h3').text.strip() info_list = house.find('div', {'class': 'property_des'}).find_all('p') area = info_list[0].text.strip() layout = info_list[1].text.strip() direction = info_list[2].text.strip() floor = info_list[3].text.strip() age = info_list[4].text.strip() price = house.find('div', {'class': 'property_price'}).find('p').text.strip() data.append({'title': title, 'area': area, 'layout': layout, 'direction': direction, 'floor': floor, 'age': age, 'price': price}) df = pd.DataFrame(data) ``` 现在我们已经成功将数据保存到一个数据框中。我们可以开始对数据进行分析了。 首先，我们可以查看数据的基本统计信息。 ```python print(df.describe()) ``` 接下来，我们可以绘制一个房价分布图，以了解房价的分布情况。 ```python import matplotlib.pyplot as plt plt.hist(df['price'], bins=20) plt.xlabel('Price') plt.ylabel('Count') plt.show() ``` 我们还可以绘制一个散点图，以了解房价与面积之间的关系。 ```python plt.scatter(df['area'], df['price']) plt.xlabel('Area') plt.ylabel('Price') plt.show() ``` 最后，我们可以绘制一个箱线图，以了解不同户型的房价分布情况。 ```python import seaborn as sns sns.boxplot(x='layout', y='price', data=df) plt.show() ``` 这样，我们就完成了58同城成都房价的数据分析。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值