锐客网

  1. 首页 > 睿知 > it技术 > >

python核密度函数库 python密度聚类算法

IT技术数据

Python常用的标准库以及第三方库有哪些？推荐5个常用的Python标准库：
1、os：提供了不少与操作系统相关联的函数库
os包是Python与操作系统的接口 。我们可以用os包来实现操作系统的许多功能 ， 比如管理系统进程，改变当前路径 ， 改变文件权限等 。但要注意，os包是建立在操作系统的平台上的 ， 许多功能在Windows系统上是无法实现的 。另外 ， 在使用os包中 ， 要注意其中的有些功能已经被其他的包取代 。
我们通过文件系统来管理磁盘上储存的文件 。查找、删除、复制文件以及列出文件列表等都是常见的文件操作 。这些功能通常可以在操作系统中看到 ， 但现在可以通过Python标准库中的glob包、shutil包、os.path包以及os包的一些函数等，在Python内部实现 。
2、sys：通常用于命令行参数的库
sys包被用于管理Python自身的运行环境 。Python是一个解释器，也是一个运行在操作系统上的程序 。我们可以用sys包来控制这一程序运行的许多参数，比如说Python运行所能占据的内存和CPU，Python所要扫描的路径等 。另一个重要功能是和Python自己的命令行互动，从命令行读取命令和参数 。
3、random：用于生成随机数的库
Python标准库中的random函数，可以生成随机浮点数、整数、字符串，甚至帮助你随机选择列表序列中的一个元素，打乱一组数据等 。
4、math：提供了数学常数和数学函数
标准库中 ， Python定义了一些新的数字类型，以弥补之前的数字类型可能的不足 。标准库还包含了random包，用于处理随机数相关的功能 。math包补充了一些重要的数学常数和数学函数，比如pi、三角函数等等 。
5、datetime：日期和时间的操作库
日期和时间的管理并不复杂，但容易犯错 。Python的标准库中对日期和时间的管理颇为完善，你不仅可以进行日期时间的查询和变换，还可以对日期时间进行运算 。通过这些标准库，还可以根据需要控制日期时间输出的文本格式
python 绘制和密度图笔记import pandasas pd
import numpyas np
import seabornas sns
import matplotlib.pyplotas plt
pd.set_option('display.max_columns', 10000)
pd.set_option('display.max_rows', 10000000000)
pd.set_option('display.width', 100000)
income = pd.read_excel(r'D:\bigData\0629demo\dataSource\income.xlsx')
fill_data = https://www.04ip.com/post/income.fillna(value={'workclass': income.workclass.mode()[0], 'occupation': income.occupation.mode()[0],
'native-country': income['native-country'].mode()[0]}, inplace=True)
# print(income.apply(lambda x: np.sum(x.isnull())))
# print(income)
print(income.describe())
print(income.describe(include=['object']))
# 设置绘图风格
plt.style.use('ggplot')
# 设置多图形组合
fig, axes = plt.subplots(2, 1)
# 绘制不同收入水平下的年龄核密度图
# kind='kde', label='=50K', ax=axes[0], legend=True, linestyle='-'
# kind='kde', label='50K', ax=axes[0], legend=True, linestyle='--'
income['age'][income.income ==' =50K'].plot(kind='kde', ax=axes[0], label='=50K', legend=True, linestyle='-')
income['age'][income.income ==' 50K'].plot(kind='kde', ax=axes[0], label='50K', legend=True, linestyle='--')
# 绘制不同收入水平下的周工作小时数核密度图
# kind='kde', label='= 50K', ax=axes[1], legend=True,linestyle='-'
# kind='kde', label=' 50K', ax=axes[1], legend=True, linestyle='--'
income['hours-per-week'][income.income ==' =50K'].plot(kind='kde', label='= 50K', ax=axes[1], legend=True,
linestyle='-')
income['hours-per-week'][income.income ==' 50K'].plot(kind='kde', label=' 50K', ax=axes[1], legend=True,

推荐阅读


上一篇：钉钉直播用什么课件，钉钉直播课件怎么用

下一篇：利用chatgpt整理文献，如何有效的进行文献整理