Я написал демонстрацию использования pandas и sklearn для корреляционного анализа и прогнозирования в Python3 в среде Windows.
Поскольку все технические специалисты компании используют Mac, я планирую пройти его с нуля в среде Mac и пройти через обмен технологиями на следующей неделе.
Установка One.python3
Mac поставляется с Python2.7
запустить в терминале
python --version
Вы увидите распечатанный номер версии. Но нам нужно использовать python3, если brew установлен, вы можете запустить команду напрямую:
заварить установить питон
Конечно, вы также можете установить файл образа самостоятельно. нет подробного объяснения
Следующим шагом будет замена python3 на python2.
*** 1. Терминал открывает файл .bash_profile ***
open ~/.bash_profile
*** 2. Содержимое файла .bash_profile ***
# Установка PATH для Python 3.6
# Исходная версия сохраняется в .bash_profile.pysave
PATH="/Library/Frameworks/Python.framework/Versions/3.6/bin:${PATH}"
export PATH
*** 3. Добавить псевдоним -> Конечный файл ***
alias python="/Library/Frameworks/Python.framework/Versions/3.6/bin/python3.6"
*** 4. Перечитать файл .bash_profile в терминале ***
исходник .bash_profile
Это можно изменить на python3
2. Установка библиотеки
Что такое библиотека?
Он имеет много имен, таких как библиотека, пакет, проект и т. д. Это означает, что код проекта, написанный другими, вы можете использовать код проекта других людей, как правило, после того, как вы загрузите его и поместите в указанный каталог (установка pip), например как библиотека os, библиотеки sys и т. д. Конечно, они встроены в python, если они не встроены, их нужно установить отдельно. Вы можете понять это как пакет java jar.
Как установить библиотеку?
Выполните команду: pip3 install xxx;
После завершения загрузки это эквивалентно загрузке пакета jar на локальный склад maven.
(Посетитель подключается при загрузке файлов библиотеки, интрасеть компании работает медленно)
3. Корреляционный анализ
После запуска мы видим, что тепловая карта показывает коэффициент корреляции между каждым измерением:
4. Прогнозирование моделирования
Здесь мы используем данные [1, 0, 6] для прогнозирования: мужчина: 1, женщина: 0, количество лет работы: 6.