下载数据集压缩包
- 国外源下载很慢,有时候甚至根本连接不到,推荐:下载地址
- 下载的文件为:
将该文件存放在一个比较好找的位置。比如:放在自己的虚拟环境中,可以单独建立一个文件夹放在其中。
更改相关配置
- 更改下载源:
1.找到twenty_newsgroups.py
文件。路径一般为:你的虚拟环境\Lib\site-packages\sklearn\datasets
。打开,并找到以下内容:
将下载路径注释掉,并将下载路径更改为自己的压缩文件的目录,比如我的是:
这个时候再下载数据的时候就会从压缩包中读取,并不会再从网络中区下载。缩进的时候记得用4个空格,不要用Tab键。
2.更改数据集解压存储目录:
在pycharm到入数据的时候需要先将压缩包数据解压,再将解压后的数据导入,这一步有默认值,可以不用配置,如果你想要自定义,可以操作这一步。
1.找到base.py
文件。一般路径为:你的虚拟环境\Lib\site-packages\sklearn
。就是上个文件的上一级目录下。找到并打开它,第一个函数就是:
这个函数规定了从哪里获取数据。可以在这里修改,也可以更改环境变量,一般推荐更改环境变量,毕竟改源码不是太好的选择。
2.设置环境变量
点击计算机右键>属性>高级系统设置>环境变量>新建 设置:SCIKIT_LEARN_DATA
,值就是存放压缩包的路径。
这个时候需要重启pycharm一下。这个时候所有需要准备的工作就已经结束了。
运行
在pycharm打开控制台 输入以下代码
from sklearn.datasets import fetch_20newsgroups
news = fetch_20newsgroups(subset='all')
这个时候需要一些时间解压文件并加载数据。耐心等待一下。
等到出现输入符的时候,输入以下内容:
如果出现数据证明你已下载安装成功。查看一下的你的安装目录:
压缩包已经被删除,已经被替换为此文件。下次执行程序就会直接加载进来。