sklearn模型的保存与恢复
from sklearn.externals import joblib
from sklearn import svm
import os
# os.chdir("workspace/model_save")
X = [[0, 0], [1, 1]]
y = [0, 1]
clf = svm.SVC()
clf.fit(X, y)
joblib.dump(clf, "train_model.m")
from sklearn.externals import joblib
clf = joblib.load("train_model.m")
X = [[0, 0], [1, 1]]
y = [0, 1]
print(clf.predict(X))
python中的ecdf函数
>>> import numpy as np
>>> from statsmodels.distributions.empirical_distribution import ECDF
>>>
>>> ecdf = ECDF([3, 3, 1, 4])
>>>
>>> ecdf([3, 55, 0.5, 1.5])
array([ 0.75, 1. , 0. , 0.25])
ecdf = ECDF([3, 3, 1, 4])
是给定总体分布
ecdf([3, 55, 0.5, 1.5])
给定样本，返回总体分布的response
卸装多余的Python
Win7不如 Mac 方便，多余的 Python 或者 R 版本，直接下载腾讯管家卸装比较方便。 # 导入自建函数 {#usf-module}
- 在
.ipynb的同一路径下，存入一个.py文件，具体信息如上。 - 然后在
.ipynb内就可以导入这个包，完成自建函数的引入。
导入自建.ipynb文件
@ref(usf-module)讲了如何导入自建函数，但是函数格式要求为.py文件。 @ImportingJupyterNotebooksasModules 给出了一个集成函数，可以把.ipynb文件当作.py文件导入。 下载地址在这里。 下载完成后，将Ipynb_importer.py文件放入.ipynb文件的同一路径，即可。
argmax 仿照
import numpy as np
import pandas as pd
a = pd.Series( [1, 2, 3, 4, 10, 9, 7])
print np.argmax(a)
print a[a == a.max()]
4
4 10
dtype: int64
scipy.stats.kstest检验正态分布
scipy.stats.kstest(rvs, cdf, args=(), N=20, alternative='two_sided', mode='approx', **kwds)
>>> from scipy import stats
>>> import numpy as np
>>> from scipy.stats import kstest
>>> x = np.linspace(-15,15,9)
>>> kstest(x,'norm')
(0.44435602715924361, 0.038850142705171065)
p value = r round(0.038850142705171065,4)，因此显著，拒绝原假设，不符合正态分布假设。[@scipystatskstest]
not isin
import pandas as pd
df = pd.DataFrame({'a':[1,2],'b':[3,4]})
df[~df.a.isin([1])]