Python 技巧(持续更新)

特别方法

该博客是在编写算法程序时学习到方法技巧
（1）train_test_split() 函数用于将矩阵随机划分为训练子集和测试子集，并返回划分好的训练集测试集样本和训练集测试集标签。
格式：
X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=0.3, random_state=0)

参数解释：
train_data：被划分的样本特征集
train_target：被划分的样本标签
test_size：如果是浮点数，在0-1之间，表示样本占比；如果是整数的话就是样本的数量
random_state：是随机数的种子。
shuffle: 洗牌默认为true

随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，每次都会不一样。
随机数的产生取决于种子，随机数和种子之间的关系遵从以下两个规则：

种子不同，产生不同的随机数；种子相同，即使实例不同也产生相同的随机数。

import numpy as np
from sklearn.model_selection import train_test_split
X, y = np.arange(10).reshape((5, 2)), range(5)
>>> X
array([[0, 1],[2, 3],[4, 5],[6, 7], [8, 9]])
>>> list(y)
       [0,1,2,3,4]
X_train, X_test, y_train, y_test = train_test_split(X, y,test_size=0.33,random_state=42)
>>> X_train
array([[4, 5],[0, 1],[6, 7]])
>>> y_train
[2,0,3]
>>> X_test
array([[2, 3],[8, 9]])
>>> y_test
[1,4]
>>> train_test_split(y, shuffle=False)
[[0, 1, 2], [3, 4]]

（2）python同时给多个变量从键盘输入赋值

a,b,c=map(int,input("请输入三角形的三条边长:").split())

（3）通过for循环对list进行赋值

a=[]
for i in range(5):
    s=int(input())
    a.insert(i,s)    #给list赋值（位置，数值）
for i in range(5):
    print(a[i]+1)

心得：个人感觉相对于C来说，python多了更多方法函数，需要去设置参数，在这里就是用了 insert（）函数

（4）给字典添加key and value

DiandPi={}
for Di_Pi in range(job_num):
    Di,Pi=map(int,input().split())
    DiandPi[Di] =Pi

dist={}
dist['age']=7