聚类算法：属于无监督机器学习算法，通过计算样本项之间的相似度（也称为样本间的距离），按照数据内部存在的数据特征将数据集划分为多个不同的类别，使类别内的数据比较相似，类别之间的数据相似度比较小。

设置字符集，防止中文乱码mpl.rcParams['font.sans-serif']=[u'simHei']mpl.rcParams['axes.unicode_minus']=False加载数据

查看前5条数据train_data.head()---------------------------------------------------------------------out:

#张三每天总的交易额---------------------------------------------------------------------out:日期2019-03-01

'E':np.random.randn(12)})df--------------------------------------------------------------------out:

int(input("请输入要打印的行数"))i

一目了然，人工智能包括机器学习和深度学习，深度学习是在机器学习的基础上发展起来的，这个“蛋黄”发展已经快自成一派，就像李小龙师出叶问咏春，但是在实战中完善咏春，自成截拳道一样。

#填充颜色ax.set_rlabel_position(15)ax.set_title("荆轲",fontproperties="SimHei",fontsize=16)

标题plt.title("均值和标准差不同的直方图比较",fontdict={'fontsize':20,'color':'k'})

用于突出显示大专学历人群colors=['blue','red','yellow','green','pink']

ax1.twinx()z=np.array(list(data))x=np.arange(len(area))ax2.plot(x,z,c='k',marker='*',markersize

将字符串日期转化为日期型df.info()-----------------------------------------------------------------RangeIndex:

x，y：表示即将绘制散点图的数据点s：是一个可选的参数。c：表示的是颜色，也是一个可选项。marker:表示的是标记的样式，默认的是'o'。alpha：实数，0-1之间。

前面讲过，apply函数用于一维向量的运算，applymap针对DataFrame，两个函数都是面向每个数。传递的函数为lambda表达式：如果满足x>=2为1，x不为0且x1

https://pandas.pydata.org/pandas-docs/stable/reference/frame.html#serialization-io-conversion