Harder&&Better

大数据竞赛平台——Kaggle 入门篇 这篇文章适合那些刚接触Kaggle、想尽快熟悉Kaggle并且独立完成一个竞赛项目的网友，对于已经在Kaggle上参赛过的网友来说，大可不必耗费时间阅读本文。本文分为两部分介绍Kaggle，第一部分简单介绍Kaggle，第二部分将展示解决一个竞赛项目的全过程。如有错误，请指正！ 1、Kaggle简介 Kaggle是一个数据分

1 安装tornado（亲测有效）安装 pip install tornado==4.4.32 修改目录查看jupyter快捷文件的属性里的快捷方式，修改“目标”里的目录或文件，看看有没有%HOME% 或者 %USERPROFILE%，有的话去掉。

1 布尔型索引，ix_()函数，矩阵和numpy数组布尔索引注意区分False和0，True和1 ，在这里这些是不同的。a = arange(12).reshape(3,4) b = a > 4 >>> a[b] arrar([5,6,7,8,9,10,11])#false 不代表0 索引，而是直接不取出数据ix_()函数没完全搞懂什么意思，留坑，大致是组合向量，方便计算。>>> a = array

参考链接：http://scipy.github.io/old-wiki/pages/Tentative_NumPy_Tutorial2 复制和视图简单操作不复制，函数引用不复制a = arange(12) b=a #a，b同一数组两个名字 View和浅拷贝，创建新的数组对象，但是共享数据。特别的，列表切片返回View。>>> c = a.view() >>> c is a False >>> c.

1 基础1.1 Numpy主要对象是多维数组，尺寸成为轴，如：[1,2,1]#1个轴，长度为3 [[1,0,1], [0,1,2]]#2个轴，第一维长度2，第二维长度3其数组类为ndarray,其属性为：ndarray.ndim#轴数 ndarray.shape#尺寸，(n,m),n行m列 ndarray.size#数组的元素和，等于形状元素的乘积 ndarray.dtype#数组中元素类型的对象