Python人工智能高级70（k-近邻算法，线性回归）

1、pandas案例

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

data = pd.read_csv('./data/IMDB-Movie-Data.csv')

# 1.平均分，导演人数
# 平均分
data['Rating'].mean()
# 获取导演人数
np.unique(data['Director']).size

# 2.rating，runtime的分布情况
# 创建画布
plt.figure(figsize=(20,8))
# 绘制图像
res = plt.hist(data['Rating'], bins=20)
# 设置x轴刻度
plt.xticks(res[1])
# 显示图像
plt.show()

# 3.统计电影分类
# 遍历所有的电影类型数据，累加对应类型的数量
# (1)拿到所有的电影类型
genre_temp = [i.split(',') for i in data['Genre'] ]
genre_list = np.unique([i for j in genre_temp for i in j])
# (2)构建一个记录电影类型数量的容器 Series
genre_s = pd.Series(np.zeros((len(genre_list),)), index=genre_list)
# (3)遍历所有的电影，统计电影类型的数量
for i in genre_temp:
    for j in i:
        genre_s[j] += 1
# 绘制柱状图
genre_s.plot(kind='bar',figsize=(20,8))
plt.show()

2、scikit-learn的数据集API

from sklearn.datasets import load_iris
from sklearn.datasets import fetch_20newsgroups

# 获取小数据集 bunch字典
iris = load_iris()
# 获取特征值
iris.data
# 获取目标值
iris.target
# 获取特征名
iris.feature_names
# 获取标签名
iris.target_names

# 获取大数据集
data = fetch_20newsgroups(subset='train')   # 需下载数据集