机器学习常用工具

jieba分词器
- jieba.cut(content): 返回一个生成器, 迭代可以返回文本
- jieba.lcut(content): 直接返回文本
- jieba.cut_for_search(content): 搜索引擎模式
- jieba.analyse
  - extract_tags(content, topK=, withWeight=)
wordcloud
- 使用步骤:
  - wordcloud=WordCloud(font_path="simhei.ttf",background_color="white",max_font_size=100)
  - word_frequence = {x[0]:x[1] for x in words_count.head(100).values}
  - wordcloud=wordcloud.fit_words(word_frequence)
  - plt.imshow()
matplotlib
- rcParams: 动态配置参数, 主要配置图像的分辨率与像素
  - matplotlib.rcParams[‘figure.figsize’]# 图片像素
  - matplotlib.rcParams[‘savefig.dpi’]# 分辨率
  - plt.savefig(‘plot123_2.png’, dpi=200)# 指定分辨率
pandas
- DataFrame的对象
  - set_index(): 指明最左列是什么, 默认是id号, 从0开始, 使用df.loc[0]等选择行的
  - reset_index(): 重置到id号的index
  - groupby(by=): 将行按照某一类合并在一起, 方便求和, 均值等
  - df[[\'col1\', \'col2\']].agg([\'sum\', \'mean\'])
  - groupby与agg常常联合使用: df.groupby(by\'col1\')[\'col1\'].agg([\'sum\', \'std\', \'mean\']) 方便:-)
  - apply: 传入一个函数参数, 对df中指定的列的每一个元素执行该函数
  - sort_values: 根据指定的列进行排序
  - sort_index: 根据index进行排序, 有set_index指定, 默认为id号, 从0开始
  - iloc: 只能参数int类型, index是从当前开始计算的
  - loc: 可以是bool类型和int类型, index是从原始数据得到的
- read_table
- read_csv
collections
- defaultdict(func): 设置一个