数据标准化：数据按照均值中心化后，再按标准差缩放，数据就会变成均值为0方差为1的正态分布

API：from sklearn.preprocessing import StandardScaler

特征工程：

去中心化：让所有记录减去一个固定值。

数据归一化：把数据按照最小值中心化后再按极差缩放，然后被收敛到0-1之间

preprocessing.minmax

参数的分类：

1.必选参数2.默认参数3 .可选参数4.关键字参数

参数：其实就是函数为了实现某些特定的功能，进而为了得到实现功能所需要的数据。

必选参数：

形式参数：只是意义上的一种参数，在定义的时候是不占内存地址的。

实际参数：实参，实实在在的参数，是实际占用内存地址的

默认参数：始终存在于参数末尾

可变参数：

当参数的个数不确定时使用，比较灵活

字符窜：
1.下标与切片

2.常用方法

元组：

创建元组

2.元组的方法

列表

1.下标与切片

2.循环遍历

3.常用方法

字典：
1.字典格式

2.字典常用

 hello，我叫张一然，我今年13岁了。

我喜欢藏个

小结：

1.学习了单分支，双分支，多分支等。

2学会了while循环。

3.学会了for循环。

4.学会了break和control语句。

1.Python有一个简单的字符串格式化方法，使用%做占位符，%后面跟变量。

2.%（占位符）

3./n（换行作用）

4.format

5.input(输入)

6.type(查询类型)

格式化符号：

1.%c

2.%s

3.%i

4.%d

5.%u

6.%o

7.%X

8.%e

9.%E

10.%f

11.%g

12.%G

算术运算符：

1.+（加法）

2.-（减法）

3.*（乘法）

4.**（指数）

5.%（取余）

6./（除法）

7.//（地板除）

比较运算符：

1.==（等于）

2.！=（不等于）

3.>（大于）

4.<（小于）

5.>=（大于等于）

6.<=（小于等于）

Python基本类型：

1.字符串

2.元组

3.字典

4.列表

数字：

5..int

6.long

7.float

8.布尔值

9.变量必须以字母或下划线开头

10.其他字符可以是字母，数字或__(下划线)

11.变量区分大小写

12.不能用关键字来做变量名

1.变量=储存的数据。

2.变量不仅仅可以是数字，还可以是其他的任意类型。

3.我们可以通过定义变量来申请并命名这样的存储空间，并通过变量的名字来使用这段储存空间。

4.变量是程序中临时储存数据的场所。

fsfada

异常类型：

mysql数据查询

条件查询：

比较条件: > < = != <>   跟在where后面

in 查询 指定一个数据容器

between 表示一个区间  1到10  还可以表示时间范围

null值的判断 如果是一个空值对象的话 用is判断

如果是空字符串的话，则使用 = 判断

排序 order by  【asc升序 desc降序】可以指定多个字段排序；

聚合函数：

count()

max()

min()

length()

sum()

avg()

round()

date()

substr()   left right

分组和分页

分组 group by

as 取别名

分组条件的筛选 where having

where 跟在from后面

having跟在group by后面

limit分页 select * from student limit start（起始位置) count(读取数量）

连接查询

内连接：inner join 两种表共同的数据

左连接：left join 参考左边的表为基准查询表，右边的表用null填充；

右连接 right join 参考右边的表为基准查询表，左边的表用null填充

子查询

1、标量查询 一行一列查询 单个值

2、列级子查询 一行多列 多个值

3、行级子查询 多行一列

4、表级子查询 多行多列【用来做数据源】

保存查询结果：

insert into 表名 select 查询来充当数据源；

union去重输出

union all 输出多次查询的结果；

 #apply返回每个测试样本所在叶子节点的索引

clf.apply(xtext)

#predict返回每个测试样本的分类、回归结果

clf.predict(xtest)

#决策树
# from sklearn import tree#导入需要的模块
# clf=tree.DecisionTreeClassifier()#实例化
# clf=clf.fit(x_train,y_train)#用训练集数据训练模型
# result=clf.score(x_test,y_test)#导入测试集，从接口中调用需要的信息进行打分

citerion:不纯度，不纯的越低，训练集拟合越好

机器学习

排序：

字符串及常用方法：

等腰三角形：

a=' name    '

b=a.strip()去除空格 

lstrip()删除左边的空格

rstrip（）删除右边的空格

capitalize()首字母变大写

id（）内存地址