这篇文章主要介绍了在Python中画图(基于Jupyter notebook的魔法函数),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

先展示一段相关的代码:

#we test the accuracy of knn and find the k which makes the biggest accuracy

k_range=list(range(1,26))#[1,25]

scores=[]

for k in k_range:

knn=KNeighborsClassifier(n_neighbors=k)

knn.fit(X_train,y_train)

y_pred=knn.predict(X_test)

scores.append(metrics.accuracy_score(y_test,y_pred))

#------------ prepare the data we need to plot-------------------

#we draw a graph to show the result

import matplotlib.pyplot as plt

#a magic function,which allows polts to appear whitin the notebook

%matplotlib inline

plt.plot(k_range,scores)

plt.xlabel('Value of K for KNN')

plt.ylabel('Testing Accuracy')

什么是魔法函数呢(magic function)?

%matplotlib inline是一个魔法函数(Magic Functions)。官方给出的定义是:IPython有一组预先定义好的所谓的魔法函数(Magic Functions),你可以通过命令行的语法形式来访问它们。可见“%matplotlib inline”就是模仿命令行来访问magic函数的在IPython中独有的形式。magic函数分两种:一种是面向行的,另一种是面向单元型的。行magic函数是用前缀“%”标注的,很像我们在系统中使用命令行时的形式,例如在Mac中就是你的用户名后面跟着“$”。“%”后面就是magic函数的参数了,但是它的参数是没有被写在括号或者引号中来传值的。单元型magic函数是由两个“%%”做前缀的,它的参数不仅是当前“%%”行后面的内容,也包括了在当前行以下的行。注意:既然是IPython的内置magic函数,那么在Pycharm中是不会支持的。

总结:%matplotlib inline 可以在Ipython编译器里直接使用,功能是可以内嵌绘图,并且可以省略掉plt.show()这一步。

由此可见,这是只有在jupyter notebook中才能使用的方法,不过确实是方便,只需要把两个维度的数据传进去就完了,封装的可以说是相当彻底了

不是做Python的,学机器学习用个简单的图就够了。这个模块只能画二维图,三维需要使用其他的方法

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。

本文标题: 在Python中画图(基于Jupyter notebook的魔法函数)

本文地址: http://www.cppcns.com/jiaoben/python/282859.html

python魔法方法与函数_在Python中画图(基于Jupyter notebook的魔法函数)相关推荐

  1. python数据分析方法五种_加速Python数据分析的10个简单技巧(上)

    总有一些小贴士和技巧在编程领域是非常有用的.有时,一个小技巧可以节省时间甚至可以挽救生命.一个小的快捷方式或附加组件有时会被证明是天赐之物,并能真正提高生产力.因此,我总结了一些我最喜欢的一些贴士和技 ...

  2. python plot方法的使用_【python】matplotlib.pyplot入门

    matplotlib.pyplot介绍 matplotlib的pyplot子库提供了和matlab类似的绘图API,方便用户快速绘制2D图表. matplotlib.pyplot是命令行式函数的集合, ...

  3. python安装方法32位_【Python】pycharm安装32位win7出现的问题解决办法。

    1.安装 PyCharm 是一款功能强大的 Python 编辑器,具有跨平台性,鉴于目前最新版 PyCharm 使用教程较少,为了节约时间,来介绍一下 PyCharm 在 Windows下是如何安装的 ...

  4. 在python中使用最小二乘法画出拟合曲线_基于jupyter notebook的python编程-----运用最小二乘法,导入文件数据模拟一元线性回归分析...

    基于jupyter notebook的python编程-----运用最小二乘法,导入文件数据模拟一元线性回归分析 用最小二乘法模拟一元线性回去曲线的目录 一.运行jupyter notebook,搭建 ...

  5. 基于jupyter notebook的python编程-----MNIST数据集的的定义及相关处理学习

    基于jupyter notebook的python编程-----MNIST数据集的相关处理 一.MNIST定义 1.什么是MNIST数据集 2.python如何导入MNIST数据集并操作 3.接下来, ...

  6. 基于jupyter notebook的python编程-----通过python编程实现RSSI测距定位技术仿真

    基于jupyter notebook的python编程-----通过python编程实现RSSI测距定位技术仿真目录 一.RSSI测距定位简介 1.什么是RSSI测距定位 2.RSSI测距定位优点 3 ...

  7. 基于jupyter notebook的python编程-----利用梯度下降算法求解多元线性回归方程,并与最小二乘法求解进行精度对比

    基于jupyter notebook的python编程-----利用梯度下降算法求解多元线性回归方程,并与最小二乘法求解进行精度对比目录 一.梯度下降算法的基本原理 1.梯度下降算法的基本原理 二.题 ...

  8. Python实战项目:基于jupyter notebook处理16年美国总统大选数据

    Python实战项目:基于jupyter notebook处理16年美国总统大选数据 设计需求说明 源码展示以及实验截图: 总结: 设计需求说明 设计任务 按照月份求两位候选人民调数据的和,用折线图反 ...

  9. linux如何查看jupyter日志_在Linux服务器上运行Jupyter notebook server教程

    在Linux服务器上运行Jupyter notebook server教程 很多deep learning教程都推荐在jupyter notebook运行python代码,方便及时交互.但只在本地运行 ...

最新文章

  1. 删除所有数据_mysql数据库操作——数据库的增删改查
  2. java接口测试工具_接口测试基础了解篇
  3. 参考地、保护地、大地的概念
  4. boost::math模块计算二项式随机变量的概率和分位数的简单示例
  5. (六)ElasticSearch 6.1.1聚合查询
  6. 《Python Cookbook 3rd》笔记(4.8):跳过可迭代对象的开始部分
  7. 又一所“国字头”大学要来?屠呦呦也在
  8. php找不到intl,php_intl.dll找不到指定模块怎么办
  9. Java项目:基于SSM实现驾校预约管理系统
  10. R在市场调查中的应用--探索性因子分析(EFA)
  11. Android手机应用开发之手机GPS定位
  12. STM32F103_study55_The punctual atoms(STM32 PWM output experimental theoretical knowledge)
  13. python多久可以学c语言,会C语言 学C++到熟练要多久?
  14. 离散时间信号和系统的时域分析
  15. 解读运营指标:DAU/MAU
  16. ngrok 免费,本地项目,域名
  17. BIO和NIO有啥区别?为啥要使用-Netty!一文说清!
  18. [转载]playframework的视频短片
  19. 4-5 实现其他菜单项(Implementing the Other Menus)
  20. 计算机一级b考试试题及答案,全国计算机等级考试一级B模拟试题及答案(一)

热门文章

  1. 机器学习基础—Kaggle泰坦尼克预测(完整分析)
  2. 动态规划 - Floyd算法求最短路径 - (Matlab建模)
  3. mysql行列转置-图文详解
  4. 苹果企业证书_IOS福利9月15日苹果企业证书已更新!重新下载即可!
  5. 知识图谱能否拯救NLP的未来?
  6. Spring Cloud构建微服务架构:服务容错保护(Hystrix服务降级)【Dalston版】
  7. WMRouter:美团外卖Android开源路由框架
  8. 领域应用 | OMAHA联盟发布“疾病临床表现”、“中毒”知识图谱及OMAHA知识库
  9. 论文浅尝 | 探索将预训练语言模型用于事件抽取和事件生成
  10. 268G+训练好的word2vec模型(中文词向量)