1、sklearn-train_test_split   

参数：test_size 代表测试部分的数据占总数据的比例

2、np.ones（m，n）

常见一个m行，n列的矩阵，用“1”填充。

3、

　　3.1 numpy.vstack(（一维矩阵a，一维矩阵b）)函数

a作为新矩阵的第一行，b作为新矩阵的第二行

　　3.2 numpy.vstack（（二维矩阵m，二维矩阵n））

按顺序将m，n矩阵每一行的元素按顺序依次组合在一起，最终组合成一个二维矩阵

4、python中元组和列表的区别（https://zhidao.baidu.com/question/305733222936541244.html）

只有元组(tuple)和列表(list)；

元组一旦创建不可改变，例如：aa=tuple(1,2,3)；

元组不能追加(append)元素，弹出(pop)元素等；

只能对元组中的元素进行索引aa[0]，不能对其中的元组进行赋值aa[0]=8；

使用元组的好处在于对元组进行操作更为高效，适合存放一组常量；

而上述的众多不可以，使用列表list是可以的。

5、np.ravel（x）

x是二维，将x从左到右，从上向下依次排列成一维

6、 // Python 有两种除法操作符,一种是单斜杠:用于传统除法,另一种双斜杠:用于浮点数除法,其结果进行四舍五入。

7、python中set和list可以互相转换，list有序，set无序

8、preprocessing.scale用来对数据进行预处理。其中参数axis设为0，即使各属性独立，设为1，使各样本独立

9、numpy.reshape（）改变矩阵的形状

>>>a
array([[1, 2, 3],
[4, 5, 6]])
>>>np.shape(a)
(2, 3)
>>>b=a.reshape((3,2))
>>>b
array([[1, 2],
[3, 4],
[5, 6]])

10、[针对列表]numpy.append（）：Append values to the end of an array.将值依次接到末尾，最后都化为一维数组

11、numpy.add（）：相加

12、【针对set集合】，添加元素：add，删除元素：remove。set无序，dict无序

 13、调用函数时，如果因为参数数量或者参数类型传入不正确，python会报“TypeError”错误，并会告诉你怎么错的

14、extend() 函数用于在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）。

该方法没有返回值，但会在已存在的列表中添加新的列表内容。

实例
以下实例展示了 extend()函数的使用方法：

以上实例输出结果如下：

#!/usr/bin/python
 
aList  =  [ 123 ,  'xyz' ,  'zara' ,  'abc' ,  123 ];
bList  =  [ 2009 ,  'manni' ];
aList.extend(bList)
 
print  "Extended List : " , aList ;
结果：Extended  List  :  [ 123 ,  'xyz' ,  'zara' ,  'abc' ,  123 ,  2009 ,  'manni' ]
 15、zip函数：从每个数组中依次取相应的元素组成一系列新的数组
16、reshape：创建一个改变了尺寸的新数组，原数组尺寸不变，注意（（））
17、hstack函数：将两个数组直接顺次连接成一维数组。
18、sklearn.processing.scale（）去除均值和方差进行缩放
19、矩阵有几个特有的属性使得计算更加容易，这些属性有：
(a) .T －－ 返回自身的转置

(b) .H －－ 返回自身的共轭转置

(c) .求逆矩阵：np.linalg.inv(x)

(d) .A －－ 返回自身数据的2维数组的一个视图（没有做任何的拷贝