np.sin(a)函数：对a中元素取正弦值。a可以是ndarray数据也可以是单个数据。当a是单个数据时,np.sin(a)返回一个数据。import numpy as npx=np.sin(np.pi/2)print(x)#Out: 1.0当a是ndarray数据时,np.sin(a)返回一个ndarray。import numpy as npx=np.sin(np.array([0,np.pi

model.predict( ) 作用：把输入数据放到模型中预测model.predict( ) 语法：model.predict(x_input)model.predict( ) 参数：x_input是输入数据，将输入数据放到已经训练好的模型中，可以得到预测出的输出值

前面已经有import matplotlib.pyplot as plt ，将matplotlib简写为plt。可知plt是代表画图的库。库内的配置（configuration）是固定好的，但有时我们想要修改plt的配置参数来满足画图需求。可用plt.rcParams['配置参数']=[修改值]进行修改，rcParams即run configuration parameters运行配置参数。plt

Pandas的基础结构可以分为两种：数据框（dataframe）和序列（sequence）。Dataframe是有行标签和列标签的矩阵 ，列标签是表头，行标签是索引值。iterrows( )针对dataframe可以返回每行的索引值和每行本身所有的对象。for index, row in dataset.iterrows(): #datast是我自己的数据集[121273 rows x 2 col

dataset=pd.read_csv( "AEP_hourly.csv") #dataset数据原本是[121273 rows x 2 columns]dataset.head()print(dataset) #依然输出[121273 rows x 2 columns]数据名.head( ) ：是指取数据的前n行数据，默认是前5行。需要注意的是没有print语句，python中的head（）函数

问题：iloc函数是干什么的？回答：在数据分析过程中，很多时候需要从数据表中提取出相应的数据，而这么做的前提是需要先“索引”出这一部分数据。iloc函数，属于pands库，全称为index location，即对数据进行位置（location）索引（index）。问题：iloc函数怎么用？回答：iloc[a,b]，其中a是行数，b是列数。具体a和b的输入有以下几种形式：1.iloc[a,b]:取第

错误的原因是：append() 函数只接受一个参数，即append(一个参数)，但是你错误的输入了三个参数，比如说X=[1,2]X.append(1,2,3)print(X)# 报错：TypeError: append() takes exactly one argument (3 given)1，2，3分别是3个参数，代码错误。而当修改参数为一个元素3或者一个元素[1,2,3]，可以正确输出。X

df.reset_index( )函数：重置索引直接生成一个新DataFrame或Seriesdf.reset_index(level, drop=False)level：drop：默认为False，即原来的行索引列会作为新的一列。如果drop=True，则原来的行索引列被弃1 df.reset_index(drop=False)：将原来的行索引列作为新的一列，生成一个新dfimport pand

np.sin(a)函数：对a中元素取正弦值。a可以是ndarray数据也可以是单个数据。当a是单个数据时,np.sin(a)返回一个数据。import numpy as npx=np.sin(np.pi/2)print(x)#Out: 1.0当a是ndarray数据时,np.sin(a)返回一个ndarray。import numpy as npx=np.sin(np.array([0,np.pi