1. 如何利用SciKit包训练一个简单的线性回归模型
利用linear_model.LinearRegression()函数
# Create linear regression object
regr = linear_model.LinearRegression()
# Train the model using the training sets
regr.fit(data_X_train, data_y_train)2. 例举几个常用的python分析数据包及其作用
- 数据处理和分析：NumPy, SciPy, Pandas
- 机器学习：SciKit
- 可视化： Matplotlib, Seaborn
3. 如何利用Numpy对数列的前n项进行排序
使用argsort()函数：x[x [: n-1].argsort ()]
4. 如何检验一个数据集或者时间序列是随机分布的
画lag plot（Correlogram：相关图），如果图上的点呈散乱分布，则为随机
5. 在python中如何创建包含不同类型数据的dataframe
利用pandas包的DataFrame函数的serias创建列然后用dtype定义类型：
df = pd.DataFrame({'x': pd.Series(['1.0', '2.0', '3.0'],
dtype=float), 'y': pd.Series(['1', '2', '3'], dtype=int)})6. Pandas中使用的标准数据缺失标志是什么
NaN
7. 描述numpy array比python list的优势
- a. numpy array比python list更紧凑，存储数据占的空间小，读写速度快。(这是由于python list储存的是指向对象（至少需要16个字节）的指针（至少4个字节）；而array中储存的是单一变量（比如单精度浮点数为4个字节，双精度为8）)
- b. array可以直接使用vector和matrix类型的处理函数，非常方便。
8. 如何检验numpy的array为空
使用size函数， 比如
a = np.array([])print a.size # 0题目太多无法展示
点击下方名片可以下载python工具和完整源码
