安装与环境
sklearn 自带多个经典数据集（iris 鸢尾花、boston 房价等）用来学习；真实项目用 pd 读数据，转成 numpy 数组喂给模型。
常用数据集
load_iris（分类）、load_digits（手写数字）、load_wine（葡萄酒）、make_classification（模拟分类数据）、make_blobs（聚类数据）。
数据格式
X 是二维数组（样本, 特征），y 是一维数组（标签）。Pandas 的 DataFrame/Series 可以直接用。
代码示例
from sklearn.datasets import load_iris, load_digits, make_blobs
import pandas as pd
# 鸢尾花（分类）
iris = load_iris()
print("特征名:", iris.feature_names)
print("类别:", iris.target_names)
X, y = iris.data, iris.target
print("数据形状:", X.shape) # (150, 4)
# 模拟聚类数据
X_blob, y_blob = make_blobs(n_samples=300, centers=3, random_state=42)
print("聚类数据:", X_blob.shape)
# 从 DataFrame 转
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df["label"] = iris.target
X2 = df.drop("label", axis=1).values
y2 = df["label"].values📚 Python 语法速查
常用条目速查，完整版见对应教程章节。可复制代码到在线运行中测试。
| 写法 / 语法 | 作用 |
|---|---|
print("hello") | 输出到控制台 |
name = "张三" | 变量赋值（无需声明类型） |
if x > 0: ... | 条件判断（注意冒号和缩进） |
for i in range(10): ... | 循环（缩进是语法的一部分） |
while x < 10: ... | 条件循环 |
def fn(a, b): return a + b | 定义函数 |
class Person: ... | 定义类 |
list = [1, 2, 3] | 列表（可改） |
tuple = (1, 2) | 元组（不可改） |
dict = {"key": "value"} | 字典（键值对） |
set = {1, 2, 3} | 集合（去重） |
len(obj) | 取长度 |
str(x) / int(x) / float(x) | 类型转换 |
s.split(",") | 字符串按分隔符拆分 |
" ".join(list) | 列表拼接成字符串 |
import os | 导入模块 |
from math import sqrt | 从模块导入指定函数 |
try: ... except Exception as e: ... | 异常捕获 |
with open("a.txt", "r") as f: ... | 文件读取（自动关闭） |
f"你好 {name}" | f-string 格式化 |
lambda x: x * 2 | 匿名函数 |
list(map(fn, arr)) | 函数式处理列表 |
range(start, stop, step) | 生成数字序列 |
if __name__ == "__main__": | 主入口判断 |
pip install 包名 | 安装第三方包（命令行） |