如何显示Jupyter Notebook中每个代码单元的执行时间

我们可以使用ExecuteTime插件来计算Jupyter Notebook中每个代码单元的执行时间。使用以下命令安装插件:

  • 第一步:
    在搜索栏输入cmd,找到Anaconda Prompt;选择以管理员方式运行

  • 第二步:
    在命令行窗口输入以下三行命令即可

pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
jupyter nbextension enable execute_time/ExecuteTime

最后打开jupyternotebook看效果-------OK
在这里插入图片描述

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
jupyter notebook编写房屋预测代码可以分为以下步骤: 1. 导入必要的库,如numpy、pandas、matplotlib等。 2. 读取数据集,可以使用pandas库的read_csv函数。 3. 数据清洗和特征工程,包括缺失值处理、数据转换、特征选择等。 4. 将数据集分为训练集和测试集,可以使用sklearn库的train_test_split函数。 5. 构建模型,选择适合的算法进行训练和测试,如线性回归、决策树、随机森林等。 6. 评估模型性能,使用相关指标进行评估,如均方误差、平均绝对误差等。 7. 可视化结果,使用matplotlib库绘制图表,展示模型结果。 下面是一个简单的房屋预测代码示例: ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, r2_score # 读取数据集 data = pd.read_csv('housing.csv') # 数据清洗和特征工程 data.dropna(inplace=True) data['age'] = 2021 - data['year_built'] X = data[['sqft', 'beds', 'baths', 'age']] y = data['price'] # 将数据集分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 构建模型 model = LinearRegression() model.fit(X_train, y_train) # 评估模型性能 y_pred = model.predict(X_test) mse = mean_squared_error(y_test, y_pred) r2 = r2_score(y_test, y_pred) print('MSE:', mse) print('R2:', r2) # 可视化结果 plt.scatter(X_test['sqft'], y_test, color='blue') plt.plot(X_test['sqft'], y_pred, color='red', linewidth=2) plt.title('Housing Price Prediction') plt.xlabel('Square Feet') plt.ylabel('Price') plt.show() ``` 在jupyter notebook运行代码时,可以使用shift+enter快捷键运行每一个代码块,可以看到代码执行的结果和可视化图表。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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