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