那最常用的当然是这两个库了：
import numpy as np
import pandas as pd
流程上来一般就是，先载入数据：
in_file = 'titanic_data.csv'
full_data = pd.read_csv(in_file)
后面就是display，这个不是直接调库，先不写。
下一步是把原始数据分开成一部分特征，一部分标签。往往用到这个语句：
data= full_data['Survived'] # 标签集
feature= full_data.drop('Survived', axis = 1) # 特征集
有时候，我们还要对分出来的特征数据集进行一下改动，可能会用到这些语句：
income = income_raw.replace(['<=50K', '>50K'], [0, 1]) # 替换
print data[0:1] # 选择第一行
print data.loc[1:3] # 行选择
print data.loc[1:3, ['age', 'race', 'sex']] # 行列选择
print data.iloc[1:3, 0:8] # 行列选择
print data[[0, 3, 6]] # 选择列
这里有一些最简单的统计运算：
#目标：计算价值的最小值
minimum_price = np.min(data['MEDV'])
# TODO: Maximum price of the data
#目标：计算价值的最大值
maximum_price = np.max(data['MEDV'])
# TODO: Mean price of the data
#目标：计算价值的平均值
mean_price = np.mean(data['MEDV'])
# TODO: Median price of the data
#目标：计算价值的中值
median_price = np.median(data['MEDV'])
# TODO: Standard deviation of prices of the data
#目标：计算价值的标准差
std_price = np.std(data['MEDV'])
sklearn中会有一些评价预测能力的函数，例如：
from sklearn.metrics import r2_score
score = r2_score(y_true, y_predict)
在看结果的时候，我们可能会想要自己想要的格式，注意format格式输出：
给个链接
print '{},{}'.format('kzc',18)
print '{1},{0},{1}'.format('kzc',18)
# 字符串的format函数可以接受不限个参数，位置可以不按顺序，可以不用或者用多次，不过2.6不能为空{}，2.7才可以。
'{name},{age}'.format(age=18,name='kzc') # 通过关键字参数
# 富的的“格式限定符”（语法是{}中带:号）
'{:>8}'.format('189')
'{:0>8}'.format('189') # 输出：00000189
'{:a>8}'.format('189') # 输出：aaaaa189
# 精度与类型f
'{:.2f}'.format(321.33345) # 输出：321.33
'{:,}'.format(1234567890) # 千位分隔符。输出：1,234,567,890
有时候我们想要把原数据的一部分作为测试集，用这个语句：
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(features, prices, test_size=0.2, random_state=42) # 最后这个参数random_state给多少都可以。
在我们使用sklearn中的一些方法时，其实套路很简单，导入，学习（fit），预测（predict），就行了，如下：
# 高斯朴素贝叶斯 (GaussianNB)
from sklearn.naive_bayes import GaussianNB
NB = GaussianNB()
learner = NB.fit(X_train, y_train)
predictions_test = learner.predict(X_test)
这是一些常用的方法：
clfs = {}
# 高斯朴素贝叶斯 (GaussianNB)
from sklearn.naive_bayes import GaussianNB
clfs["NB"] = GaussianNB()
# 决策树
from sklearn import tree
clfs["DT"] = tree.DecisionTreeClassifier()
# AdaBoost
from sklearn.ensemble import AdaBoostClassifier
clfs["AB"] = AdaBoostClassifier()
# 随机森林
from sklearn.ensemble import RandomForestClassifier
clfs["RFC"] = RandomForestClassifier()
# K临近
from sklearn.neighbors import KNeighborsRegressor
# clfs["KN"] = KNeighborsRegressor(n_neighbors=2)
clfs["KN"] = KNeighborsRegressor()
# 随机梯度下降分类器 (SGDC)
from sklearn import linear_model
clfs["SGDC"] = linear_model.SGDClassifier()
# 支撑向量机 (SVM)
from sklearn.svm import SVC
clfs["SVC"] = SVC()
# Logistic回归
from sklearn.linear_model import LogisticRegression
clfs['LR'] = LogisticRegression()
不过，有时候你可能想用一下网格搜索：
from sklearn.model_selection import GridSearchCV
grid = GridSearchCV(estimator = regressor, param_grid = params, scoring = scoring_fnc, cv = cv_sets)
# 这几个参数的意思分别是：
# estimator 具体预测方法，例如决策树。
# param_grid 预测方法的参数，例如决策树的最大深度，这个参数用字典传入，这么写：params = {'max_depth':range(1,11)}
# scoring 评价方法
# cv 交叉验证方法
选取最终要的特征：
# TODO：导入一个有'feature_importances_'的监督学习模型
from sklearn import tree
# TODO：在训练集上训练一个监督学习模型
model = ExtraTreesClassifier()
model.fit(X_train, y_train)
# TODO： 提取特征重要性
importances = model.feature_importances_
# 绘图
vs.feature_plot(importances, X_train, y_train)
# 这里好像是提取了前五个最重要的参数，图像如下：
最重要的五个参数
好了就这些。
