Python机器学习库

ComputerRookie ComputerRookie 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1k累计阅读 1.1k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄15年
关注
转载 最新推荐文章于 2026-07-05 15:33:25 发布 1k 阅读 AI 写同款· GEO 优化 ›
分享一个因子挖掘的利器：遗传规划  以往的因子研究都是“先有逻辑，后有公式”，是一种“演绎法”。但遗传规划的形式是“先有公式，后有逻辑”，属于“归纳法”。它的优势在于可以充分利用计算机的强大算力进行启发式搜索，同时突破人类的思维...... 阅读详情

    Python在科学计算领域，有两个重要的扩展模块：Numpy和Scipy。其中Numpy是一个用python实现的科学计算包。包括：

  • 一个强大的N维数组对象Array；
  • 比较成熟的（广播）函数库；
  • 用于整合C/C++和Fortran代码的工具包；
  • 实用的线性代数、傅里叶变换和随机数生成函数。

     SciPy是一个开源的Python算法库和数学工具包，SciPy包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。其功能与软件MATLAB、Scilab和GNU Octave类似。

    Numpy和Scipy常常结合着使用，Python大多数机器学习库都依赖于这两个模块，绘图和可视化依赖于matplotlib模块，matplotlib的风格与matlab类似。Python机器学习库非常多，而且大多数开源，主要有：

1.       scikit-learn

scikit-learn 是一个基于SciPy和Numpy的开源机器学习模块，包括分类、回归、聚类系列算法，主要算法有SVM、逻辑回归、朴素贝叶斯、Kmeans、DBSCAN等，目前由INRI 资助，偶尔Google也资助一点。

项目主页：

https://pypi.python.org/pypi/scikit-learn/

http://scikit-learn.org/

https://github.com/scikit-learn/scikit-learn

2.       NLTK

NLTK(Natural Language Toolkit)是Python的自然语言处理模块，包括一系列的字符处理和语言统计模型。NLTK 常用于学术研究和教学，应用的领域有语言学、认知科学、人工智能、信息检索、机器学习等。 NLTK提供超过50个语料库和词典资源，文本处理库包括分类、分词、词干提取、解析、语义推理。可稳定运行在Windows, Mac OS X和Linux平台上. 

项目主页：

http://sourceforge.net/projects/nltk/

https://pypi.python.org/pypi/nltk/

http://nltk.org/

3.       Mlpy

Mlpy是基于NumPy/SciPy的Python机器学习模块，它是Cython的扩展应用。包含的机器学习算法有：

l  回归

least squares, ridge regression, least angle regression, elastic net, kernel ridge regression, support vector machines (SVM), partial least squares (PLS)

l  分类

linear discriminant analysis (LDA), Basic perceptron, Elastic Net, logistic regression, (Kernel) Support Vector Machines (SVM), Diagonal Linear Discriminant Analysis (DLDA), Golub Classifier, Parzen-based, (kernel) Fisher Discriminant Classifier, k-nearest neighbor, Iterative RELIEF, Classification Tree, Maximum Likelihood Classifier

l  聚类

hierarchical clustering, Memory-saving Hierarchical Clustering, k-means

l  维度约减

(Kernel) Fisher discriminant analysis (FDA), Spectral Regression Discriminant Analysis (SRDA), (kernel) Principal component analysis (PCA)

项目主页：

http://sourceforge.net/projects/mlpy

https://mlpy.fbk.eu/

4.       Shogun  

Shogun是一个开源的大规模机器学习工具箱。目前Shogun的机器学习功能分为几个部分：feature表示，feature预处理， 核函数表示,核函数标准化，距离表示，分类器表示，聚类方法，分布， 性能评价方法，回归方法，结构化输出学习器。

SHOGUN 的核心由C++实现，提供 Matlab、 R、 Octave、 Python接口。主要应用在linux平台上。

项目主页：

http://www.shogun-toolbox.org/

5.       MDP

The Modular toolkit for Data Processing (MDP) ，用于数据处理的模块化工具包，一个Python数据处理框架。

从用户的观点，MDP是能够被整合到数据处理序列和更复杂的前馈网络结构的一批监督学习和非监督学习算法和其他数据处理单元。计算依照速度和内存需求而高效的执行。从科学开发者的观点，MDP是一个模块框架，它能够被容易地扩展。新算法的实现是容易且直观的。新实现的单元然后被自动地与程序库的其余部件进行整合。MDP在神经科学的理论研究背景下被编写，但是它已经被设计为在使用可训练数据处理算法的任何情况中都是有用的。其站在用户一边的简单性，各种不同的随时可用的算法，及应用单元的可重用性，使得它也是一个有用的教学工具。

项目主页：

http://mdp-toolkit.sourceforge.net/

https://pypi.python.org/pypi/MDP/

6.       PyBrain

PyBrain(Python-Based Reinforcement Learning, Artificial Intelligence and Neural Network)是Python的一个机器学习模块，它的目标是为机器学习任务提供灵活、易应、强大的机器学习算法。（这名字很霸气）

PyBrain正如其名，包括神经网络、强化学习(及二者结合)、无监督学习、进化算法。因为目前的许多问题需要处理连续态和行为空间，必须使用函数逼近(如神经网络)以应对高维数据。PyBrain以神经网络为核心，所有的训练方法都以神经网络为一个实例。

项目主页：

http://www.pybrain.org/

https://github.com/pybrain/pybrain/

7.       BigML

BigML 使得机器学习为数据驱动决策和预测变得容易，BigML使用容易理解的交互式操作创建优雅的预测模型。BigML使用BigML.io,捆绑Python。

项目主页：

https://bigml.com/

https://pypi.python.org/pypi/bigml

http://bigml.readthedocs.org/

8.       PyML

PyML是一个Python机器学习工具包， 为各分类和回归方法提供灵活的架构。它主要提供特征选择、模型选择、组合分类器、分类评估等功能。

项目主页：

http://cmgm.stanford.edu/~asab/pyml/tutorial/

http://pyml.sourceforge.net/

9.       Milk

Milk是Python的一个机器学习工具箱，其重点是提供监督分类法与几种有效的分类分析：SVMs(基于libsvm)，K-NN，随机森林经济和决策树。它还可以进行特征选择。这些分类可以在许多方面相结合，形成不同的分类系统。

对于无监督学习，它提供K-means和affinity propagation聚类算法。

项目主页：

https://pypi.python.org/pypi/milk/

http://luispedro.org/software/milk

10.  PyMVPA

PyMVPA(Multivariate Pattern Analysis in Python)是为大数据集提供统计学习分析的Python工具包，它提供了一个灵活可扩展的框架。它提供的功能有分类、回归、特征选择、数据导入导出、可视化等

项目主页：

http://www.pymvpa.org/

https://github.com/PyMVPA/PyMVPA

11.  Pattern 

Pattern是Python的web挖掘模块，它绑定了  Google、Twitter 、Wikipedia API，提供网络爬虫、HTML解析功能，文本分析包括浅层规则解析、WordNet接口、句法与语义分析、TF-IDF、LSA等，还提供聚类、分类和图网络可视化的功能。

项目主页：

http://www.clips.ua.ac.be/pages/pattern

https://pypi.python.org/pypi/Pattern

12.  pyrallel

Pyrallel(Parallel Data Analytics in Python)基于分布式计算模式的机器学习和半交互式的试验项目，可在小型集群上运行，适用范围：

l  focus on small to medium dataset that fits in memory on a small (10+ nodes) to medium cluster (100+ nodes).

l  focus on small to medium data (with data locality when possible).

l  focus on CPU bound tasks (e.g. training Random Forests) while trying to limit disk / network access to a minimum.

l  do not focus on HA / Fault Tolerance (yet).

l  do not try to invent new set of high level programming abstractions (yet): use a low level programming model (IPython.parallel) to finely control the cluster elements and messages transfered and help identify what are the practical underlying constraints in distributed machine learning setting.

项目主页：

https://pypi.python.org/pypi/pyrallel

http://github.com/pydata/pyrallel

13.  Monte

Monte ( machine learning in pure Python)是一个纯Python机器学习库。它可以迅速构建神经网络、条件随机场、逻辑回归等模型，使用inline-C优化，极易使用和扩展。

项目主页：

https://pypi.python.org/pypi/Monte

http://montepython.sourceforge.net

14.  Orange

Orange 是一个基于组件的数据挖掘和机器学习软件套装，它的功能即友好，又很强大，快速而又多功能的可视化编程前端，以便浏览数据分析和可视化，基绑定了 Python以进行脚本开发。它包含了完整的一系列的组件以进行数据预处理，并提供了数据帐目，过渡，建模，模式评估和勘探的功能。其由C++ 和 Python开发，它的图形库是由跨平台的Qt框架开发。

项目主页：

https://pypi.python.org/pypi/Orange/

http://orange.biolab.si/

15.  Theano

Theano 是一个 Python 库，用来定义、优化和模拟数学表达式计算，用于高效的解决多维数组的计算问题。Theano的特点：

l  紧密集成Numpy

l  高效的数据密集型GPU计算

l  高效的符号微分运算

l  高速和稳定的优化

l  动态生成c代码

l  广泛的单元测试和自我验证

自2007年以来，Theano已被广泛应用于科学运算。theano使得构建深度学习模型更加容易，可以快速实现下列模型：

l  Logistic Regression

l  Multilayer perceptron

l  Deep Convolutional Network

l  Auto Encoders, Denoising Autoencoders

l  Stacked Denoising Auto-Encoders

l  Restricted Boltzmann Machines

l  Deep Belief Networks

l  HMC Sampling

l  Contractive auto-encoders

   Theano，一位希腊美女，Croton最有权势的Milo的女儿，后来成为了毕达哥拉斯的老婆。

项目主页：

http://deeplearning.net/tutorial/

https://pypi.python.org/pypi/Theano

16.      Pylearn2

Pylearn2建立在theano上，部分依赖scikit-learn上，目前Pylearn2正处于开发中，将可以处理向量、图像、视频等数据，提供MLP、RBM、SDA等深度学习模型。Pylearn2的目标是：

  • Researchers add features as they need them. We avoid getting bogged down by too much top-down planning in advance.
  • A machine learning toolbox for easy scientific experimentation.
  • All models/algorithms published by the LISA lab should have reference implementations in Pylearn2.
  • Pylearn2 may wrap other libraries such as scikits.learn when this is practical
  • Pylearn2 differs from scikits.learn in that Pylearn2 aims to provide great flexibility and make it possible for a researcher to do almost anything, while scikits.learn aims to work as a “black box” that can produce good results even if the user does not understand the implementation
  • Dataset interface for vector, images, video, ...
  • Small framework for all what is needed for one normal MLP/RBM/SDA/Convolution experiments.
  • Easy reuse of sub-component of Pylearn2.
  • Using one sub-component of the library does not force you to use / learn to use all of the other sub-components if you choose not to.
  • Support cross-platform serialization of learned models.
  • Remain approachable enough to be used in the classroom (IFT6266 at the University of Montreal).

项目主页：

http://deeplearning.net/software/pylearn2/

https://github.com/lisa-lab/pylearn2

   还有其他的一些Python的机器学习库，如：

pmll(https://github.com/pavlov99/pmll)

pymining(https://github.com/bartdag/pymining)

ease (https://github.com/edx/ease)

textmining(http://www.christianpeccei.com/textmining/)

更多的机器学习库可通过https://pypi.python.org/pypi查找。

收录于
python

当前文章被收录于：

python
1 篇文章 0 人学习
订阅专栏 查看详情
标签
#python
基于Simplis仿真的UC2843芯片建模与关键参数优化指南 本文详细介绍了使用Simplis仿真工具为UC2843 PWM控制器进行行为级建模的方法与关键参数优化实践。通过精确搭建芯片内部振荡器、误差放大器及电流采样等核心模块，工程师可以深入理解其工作原理，并利用模型优化振荡频率、最大占空比及反馈环路等关键参数，从而提升开关电源设计的效率与可靠性。 阅读详情

相关推荐

探索niri：让你的Linux桌面布局无拘无束

niri是一款基于Wayland的滚动平铺合成器，采用创新的窗口管理方式。它将窗口排列为向右无限延伸的条目，支持独立显示器布局和动态垂直工作区，确保多任务操作流畅性。核心功能包括概要视图、截图界面、屏幕投射、手势操作、窗口分组等，并支持自定义布局和动画效果。niri具备良好的稳定性，兼容xwayland-satellite工具，灵感来自PaperWM但突破了GNOME限制。该项目为追求高效桌面管理的用户提供了全新解决方案，欢迎加入社区交流体验。

weixin_44626085的博客 1817

使用 TensorFlow 构建机器学习项目：1~5

原文：Building Machine Learning Projects with TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 一、探索和转换数据 TensorFlow 是用于使用数据流图进行数值计算的开源软件库。 图中的节点表示数学运算，而图的边缘表示在它们之间传递的多维数据数组（张量）。 该库包含各种

龙哥盟 3063

保姆级教程：用YOLOv5+ROS2 Humble搞定奥比中光Dabai DCW深度相机的3D物体定位

本教程详细介绍了如何使用YOLOv5模型和ROS2 Humble系统，结合奥比中光Dabai DCW深度相机实现3D物体定位。从环境配置、模型部署到深度数据融合，提供完整的实战指南，帮助开发者快速掌握三维坐标提取技术，适用于机器人开发和计算机视觉应用。

weixin_26765363的博客 270

python优化算法工具包_12种Python 机器学习 & 数据挖掘工具包，一定让你受益匪浅...

作为一种解释型语言，Python的设计哲学强调代码的可读性和简洁的语法(尤其是使用空格缩进划分代码块，而非使用大括号或者关键词)。相比于C++或Java，Python让开发者能够用更少的代码表达想法。不管是小型还是大型程序，该语言都试图让程序的结构清晰明了。我们今天为大家介绍12种Python机器学习&数据挖掘工具包。1. PyBrain【PyBrain】是一个用于Python的模块化机器...

weixin_28808145的博客 3282

unity 在透明物体上投射阴影

unity版本：2019.4.16 创建一个shader,代码如下： Shader "ChuckLee/ARShadow" { Properties { _ShadowColor("Shadow Color", Color) = (0.1, 0.1, 0.1, 0.53) } SubShader { Tags{ "RenderType" = "Transparent" "Queue" = "Geometry+1" } Blend SrcAlpha OneMinusSrcAlph

Abel02的博客 2953

基于NXP1778的CAN自动波特率检测

一、概念 NXP1778芯片内部自带一个CAN控制器。CAN模块由两部分组成：控制器和验收滤波器。所有的寄存器和RAM都以32位字宽度来访问。 CAN自动波特率检测主要用于以一种CAN的转换的产品中。产品中CAN部分的波特率以前都是通过网页中修改然后配置下去的，依据实际情况的考虑，如果CAN部分的波特率能够根据客户设备的改变而自动改变，将会增加其灵活性。   二、原理 根据CAN控制器的

菜鸟的痕迹专栏 5271

python数据挖掘包Sklearn

官网： http://scikit-learn.org/stable/ api： http://scikit-learn.org/stable/modules/classes.html user guide： http://scikit-learn.org/stable/user_guide.html 概览 优秀博客： http://www.jianshu.com/p/516f00

huiqin08的博客 572

【WorkBuddy专栏14】专家不是「换皮」——角色切换、训练机制与自我进化深度拆解

WorkBuddy专栏14】专家不是「换皮」——角色切换、训练机制与自我进化深度拆解

AI人人懂 593

python自动机器学习库auto_ml模块

在公众号「python风控模型」里回复关键字：学习资料什么是 AutoML？自动化机器学习提供了方法和流程，使非机器学习专家可以使用机器学习，以提高机器学习的效率并加速机器学习的研究。近年来，机器学习 (ML) 取得了相当大的成功，并且越来越多的学科依赖它。然而，这种成功在很大程度上依赖于人类机器学习专家来执行以下任务：预处理和清理数据。选择并构建适当的特征。选择合适的模型族。优化模型超参数。设计神经网络的拓扑结构（如果使用深度学习）。后处理机器学习模型。批判性地分析获得的结果。由于这些任务的复杂性通常超出

fulk6667g78o8的专栏 3382

【Bug已解决】Claude Desktop Cowork 报错 Workspace unavailable 解决方案

方案适用场景推荐指数确认虚拟机镜像下载完整性排查的第一步，最基础的前提检查⭐⭐⭐⭐⭐确认虚拟机平台功能已启用Windows 系统功能层面的必要条件⭐⭐⭐⭐⭐重启 CoworkVMService快速尝试恢复服务正常状态⭐⭐⭐⭐完全重启客户端排除临时性状态错乱⭐⭐⭐⭐降级使用文件工具临时替代方案，不阻塞当前工作⭐⭐⭐报错的本质是Cowork 功能依赖的虚拟机管理服务，在 Windows 应用包隔离机制下未能正确定位虚拟机文件的实际存放路径。

博客 6233

第10章《VTK自定义部件Widget》

是用于交互式操作 3D 场景的组件，例如移动对象、调整尺寸、创建标注等。VTK 提供了一些内置的 Widget，如。，用户可以点击鼠标，在 3D 场景中放置一个点。负责绘制一个点，并控制其颜色、大小等。，可用于 3D 标注、对象拾取等应用！等，但在某些应用中，我们需要。这样，我们就创建了一个。

yumeiguo的博客 523

Best-of-ML-Python: 精选机器学习Python库排行榜

Best-of-ML-Python项目为Python机器学习开发者提供了一个宝贵的资源。通过这个精心策划的列表,开发者可以更轻松地找到适合自己项目的工具,提高开发效率。无论您是机器学习领域的新手还是经验丰富的专家,这个项目都值得您花时间深入探索。

2401_87458778的博客 760

决策变量乘积项的线性化

介绍了决策变量相乘情况下的线性化，并用案例进行线性化演示，其中针对连续变量相乘的情况介绍了McCormick包络的近似线性化方法

Linshaodan520的博客 1844

ML模型只有几行代码，低代码的机器学习Python库正式开源

ML模型只有几行代码，低代码的机器学习Python库正式开源。 机械之心编辑部 PyCaret库支持在“低代码”环境下训练和部署监督和非监督机器学习模型，提高了机器学习实验的效率。 　　 ML模型只有几行代码，低代码的机器学习Python库正式开源。 希望通过解决业务问题来提高机器学习实验的效率而非编写代码吗？低级代码可能是一个很好的选择。 近来，机器之心发现了一种开放源码的低代码机器学习Python库PyCaret，它支持在“低代码”环境中训练和部署监督和非监督机器学习模型。 网站地址：https://g

xiaobaikeji11的博客 447

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

如何为Best-of ML Python机器学习库贡献项目：终极完整指南

Best-of ML Python是一个每周更新的精选Python机器学习库排名列表，汇集了各类优质的机器学习工具和框架。本指南将帮助你轻松了解如何为这个项目贡献有价值的内容，无论是添加新项目还是更新现有项目，都能让你快速上手并参与到这个活跃的开源社区中。 ## 为什么要贡献到Best-of ML Python 参与Best-of ML Python项目贡献不仅能帮助完善这个优质的机器学习资源

gitblog_00384的博客 644

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

【GitHub项目推荐--Best of ML Python：机器学习Python库精选榜单】

​​​​ 是一个权威的机器学习Python库排名列表，由Lukas Masuch创建和维护。该项目精心收录了920个优秀的开源机器学习项目，总计获得超过500万颗GitHub星星，涵盖34个不同类别。所有项目都通过项目质量评分系统进行排名，该评分基于从GitHub和各种包管理器自动收集的各种指标计算得出。无论您是机器学习初学者还是经验丰富的从业者，这个列表都能帮助您快速找到最适合需求的工具和库。🔗 ​GitHub地址⚡ ​核心价值​：权威排名 · 全面覆盖 · 实时更新 · 开源免费。

j8267643的博客 1094

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

ML--机器学习python库sklearn的学习

Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。 Sklearn安装要求Python(>=2.7 or >=3.3)、NumPy (>= 1.8.2)、S...

Guardian_Bud 402

【ML吴恩达】2 Python的机器学习相关库libraries

目录1 Python 的机器学习相关库2 More about scikit-learn3 scikit-learn functions Course 课程Machine learning with python 1 Python 的机器学习相关库 （1）Numpy 更快的计算，比如提供数组、字典、函数、数据类型 （2）SCIpy 是一个数值算法和领域专用工具箱。包括信号处理、优化、统计等等，对于科研有很大的用处 （3）matplotlib 画图包，并提供2D、3D的绘图。 （4）pandas 提

BetterBench的博客 377

探秘 Best of ML Python: 一站式机器学习工具精选库

探秘 Best of ML Python: 一站式机器学习工具精选库 【免费下载链接】best-of-ml-python ml-tooling/best-of-ml-python: 是一个收集了机器学习Python代码的优质资源库，它没有使用数据库。适合用于机器学习Python代码的学习和参考，特别是对于需要学习机器学习...

gitblog_00081的博客 409

几行代码搞定ML模型，低代码机器学习Python库正式开源

PyCaret 库支持在「低代码」环境中训练和部署有监督以及无监督的机器学习模型，提升机器学习实验的效率。 想提高机器学习实验的效率，把更多精力放在解决业务问题而不是写代码上？低代码平台或许是个不错的选择。 最近，机器之心发现了一个开源低代码机器学习 Python 库 PyCaret，它支持在「低代码」环境中训练和部署有监督以及无监督的机器学习模型。 GitHub 地址：https://...

喜欢打酱油的老鸟 1125

优秀的机器学习Python库精选列表

优秀的机器学习Python库精选列表 【免费下载链接】best-of-ml-python ml-tooling/best-of-ml-python: 是一个收集了机器学习Python代码的优质资源库，它没有使用数据库。适合用于机器学习Python代码的学习和参考，特别是对于需要学习机器学习Python实现的优秀代码的场景...

gitblog_00782的博客 824

python 操作qq_python连接QQ实现自动回复python 机器学习库

毫无疑问，神经网络和机器学习在过去几年一直是高科技领域最热门的话题之一。这一点很容易看出，因为它们解决了很多真正有趣的用例，如语音识别、图像识别、甚至是乐曲谱写。因此，在这篇文章，我决定编制一份囊括一些很好的Python机器学习库的清单，并将其张贴在下面。在我看来，Python是学习(和实现)机器学习技术最好的语言之一，其原因主要有以下几点：语言简单：如今，Python成为新手程序员首选语言的...

weixin_39537977的博客 1178

机器学习python 库_最佳Python机器学习库

机器学习python 库In this article I am going to share some popular and bestpython machine learning libraries. 在本文中，我将分享一些流行且最佳的python机器学习库。 I will advise you to go through Introduction to Machine Learnin...

culing2941的博客 1047

python版本及ML库

一：关于Python版本的选择问题 关于Python的选择问题：要看学术界能不能把科学库迁移到Python3. 1：多个版本共用： 最近发现SciPy的最高版本是3.2，只能是退而求其次，不使用最新版本了！！！ 把注册表修改一下，就可以多个版本共用了！ Windows Registry Editor Version 5.00 [HKE...

alppkk4545的博客 289
上一篇： 一个数组就是一个地址，一个指针就是一个地址的地址
下一篇： 欢迎使用优快云-markdown编辑器
点赞 0
评论 0
书签 书签 1
ComputerRookie
ComputerRookie
博客等级 码龄15年 5粉丝 6原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值