Python学习笔记：Jupyter Notebook快速入门案例：学习时间与成绩的关系
Python学习笔记：Jupyter Notebook快速入门案例：学习时间与成绩的关系
源教程地址：https://www.bilibili.com/video/BV1Q4411H7fJ?p=2&vd_source=cdfd0a0810bcc0bcdbcf373dafdf6a82
是对新手很友好的入门教程，操作简单，容易上手
Jupyter Notebook常用快捷键：
导入库
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
导入数据并且查看
dataset =pd.read_csv('D:\StudyFiles\Jupyter\zihaopython-master\dataForJupyter\studentScores/studentscores.csv')
dataset.head(10)
查看数据类型，二维表格
dataset.shape
dataset.columns
查看数据信息
dataset.info()
dataset.describe()
提取数据特征
feature_columns=['Hours']
label_column=['Scores']
features=dataset[feature_columns]
label=dataset[label_column]
这里我感觉是和R语言类似，head(),tail(）表示正序/逆序的前几个，一般有个默认值，R语言好像是6，这里看起来是5（即调用这俩函数的时候找出这组数据的最前5个或者最后5个）
features.head()
type(features)
label.tail()
label.head(3)
把提出的feature和label的值分别赋予X、Y
X=features.values
Y=label.values
输出X和Y的值看一下
这里使用的是一个很常用的办法，把拿到的二维表格数据分开成了俩个一维数组
X
Y
拆分训练集和测试集：
from sklearn.model_selection import train_test_split
X_train,X_test,Y_train,Y_test=train_test_split(X,Y,test_size=1/4,random_state=0)
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor=regressor.fit(X_train,Y_train)
Y_pred = regressor.predict(X_test)
将得到的结果可视化：
训练集：
#散点图：红色表示训练集的点
plt.scatter(X_train,Y_train,color='red')
#线图：蓝色线表示由训练集训练出的线性回归模型
plt.plot(X_train,regressor.predict(X_train),color='blue')
plt.show()
红点是训练集的数据，根据现有数据，得到一个蓝线作为模型
测试集：
测试集得到的蓝线来看是否在训练集还适用，发现基本上能跟红点对上，而且红点大多均匀分布两侧，则说明这个模型比较成功
#散点图：红色点表示测试集的点
plt.scatter(X_test,Y_test,color='red')
#线图：蓝色线表示对测试集进行预测的结果
plt.plot(X_test,regressor.predict(X_test),color='blue')
plt.show()
最后是一些笔记：
另外，导出转PDF的时候直接选择“浏览器——打印”比安装那俩软件更加方便快捷，我安装完搜出来需要的俩软件之后，还是老样子Interval Server Error……但是看浏览器打印很方便效果也不错就没管了。
效果如图，PDF我也会上传CSDN
