×ðÁú¿­Ê±¹ÙÍøµÇ¼

ÔÚLinuxϵͳÉÏʹÓÃPyCharm¾ÙÐлúеѧϰµÄÉèÖÃÒªÁì

ÔÚlinuxϵͳÉÏʹÓÃpycharm¾ÙÐлúеѧϰµÄÉèÖÃÒªÁì

¼ò½é£º

PyCharmÊÇÒ»¿îºÜÊÇÊ¢ÐеÄPython¼¯³É¿ª·¢ÇéÐΣ¨IDE£© £¬ËüÌṩÁËÇ¿Ê¢µÄ´úÂë±à¼­ºÍµ÷ÊÔ¹¦Ð§ £¬Ê¹µÃ¿ª·¢Ö°Ô±Äܹ»¸ü¸ßЧµØ±àдºÍά»¤´úÂë ¡£¹ØÓÚѧϰºÍ¿ª·¢»úеѧϰËã·¨µÄÈËÀ´Ëµ £¬PyCharmÊÇÒ»¸öºÜÊǺõÄÑ¡Ôñ ¡£±¾ÎĽ«ÏÈÈÝÔõÑùÔÚLinuxϵͳÉÏÉèÖÃPyCharmÀ´Ö§³Ö»úеѧϰµÄ¿ª·¢ÊÂÇé ¡£

°ì·¨Ò»£º×°ÖÃPythonºÍPyCharm

Ê×ÏÈ £¬ÐèҪװÖÃPythonºÍPyCharm ¡£ÔÚLinuxϵͳÉÏ £¬¿ÉÒÔͨ¹ý°ü¹ÜÀíÆ÷À´×°ÖÃPython ¡£·­¿ªÖÕ¶Ë £¬²¢ÔËÐÐÒÔÏÂÏÂÁ

sudo apt-get install python3

µÇ¼ºó¸´ÖÆ

Õ⽫װÖÃPython3.5»ò¸ü¸ß°æ±¾ ¡£Çë×¢ÖØ £¬Python2.x½«ÔÚ2020Äê×èÖ¹Ö§³Ö £¬Òò´Ë½¨ÒéʹÓÃPython3.x°æ±¾ ¡£

×°ÖÃÍê³Éºó £¬¿ÉÒÔ´ÓJetBrains¹ÙÍø£¨https://www.jetbrains.com/pycharm/£©ÏÂÔز¢×°ÖÃPyCharm ¡£

°ì·¨¶þ£º½¨ÉèPyCharmÏîÄ¿

·­¿ªPyCharm £¬Ê×ÏÈÐèÒª½¨ÉèÒ»¸öÐÂÏîÄ¿ ¡£ÔÚÖ÷²Ëµ¥ÖÐ £¬Ñ¡Ôñ”File” -> “New Project” ¡£ÔÚµ¯³öµÄ´°¿ÚÖÐ £¬Ñ¡ÔñÏîÄ¿µÄ·¾¶²¢ÃüÃûÏîÄ¿ ¡£

°ì·¨Èý£ºÉèÖÃPythonÚ¹ÊÍÆ÷

ÔÚÐÂÏîÄ¿½¨ÉèÀÖ³Éºó £¬»¹ÐèÒªÉèÖÃPyCharmʹÓÃ׼ȷµÄPythonÚ¹ÊÍÆ÷ ¡£ÔÚ”Project Interpreter”ÉèÖÃÖÐ £¬Ñ¡ÔñÒÑ×°ÖõÄPythonÚ¹ÊÍÆ÷ ¡£ÈôÊÇÎÞ·¨ÕÒµ½Ú¹ÊÍÆ÷ £¬Çëµ¥»÷”Show All¡­”°´Å¥ £¬²¢ÊÖ¶¯Ö¸¶¨Ú¹ÊÍÆ÷·¾¶ ¡£È·±£Ñ¡ÔñµÄÚ¹ÊÍÆ÷Óë֮ǰװÖõİæÄÚÇéÆ¥Åä ¡£

°ì·¨ËÄ£º×°ÖÃËùÐèµÄPython°ü

ÔÚ»úеѧϰ¿ª·¢ÖÐ £¬¾­³£Ê¹ÓÃÐí¶àPython°ü £¬ÈçNumPy¡¢Pandas¡¢Scikit-learnµÈ ¡£PyCharmÌṩÁËÒ»ÖÖ¼òÆӵķ½·¨À´×°ÖÃÕâЩ°ü ¡£ÔÚ”Project Interpreter”ÉèÖÃÖÐ £¬µã»÷ÓÒ²àµÄ”+”·ûºÅ £¬ËÑË÷²¢Ñ¡ÕªÒª×°Öõİü £¬È»ºóµã»÷”Install Package”°´Å¥¾ÙÐÐ×°Öà ¡£

°ì·¨Î壺ÉèÖÃPyCharmµÄ±à³ÌÇéÐÎ

PyCharmÌṩÁËÇ¿Ê¢µÄ´úÂë±à¼­ºÍµ÷ÊÔ¹¦Ð§ £¬¿ÉÒÔ´ó´óÌá¸ß±à³ÌЧÂÊ ¡£ÔÚ”Editor”ÉèÖÃÖÐ £¬¿ÉÒÔ¾ÙÐÐһЩ¸öÐÔ»¯µÄÉèÖà £¬Èç×ÖÌå¡¢Ëõ½øµÈ ¡£

°ì·¨Áù£ºÊ¹ÓÃʾÀý´úÂë¾ÙÐлúеѧϰ

ÏÂÃæ £¬ÎÒÃǽ«Ê¹ÓÃÒ»¸ö¼òÆӵĻúеѧϰʾÀýÀ´ÑÝʾÔÚPyCharmÖоÙÐлúеѧϰ¿ª·¢µÄÀú³Ì ¡£ÎÒÃǽ«Ê¹ÓÃScikit-learn¿âÀ´ÊµÏÖÒ»¸öÏßÐԻعéÄ£×Ó ¡£

Ê×ÏÈ £¬ÔÚÏîÄ¿Öн¨ÉèÒ»¸öеÄPythonÎļþ £¬ÃüÃûΪ”linear_regression.py” ¡£

ÔÚÎļþÖÐ £¬µ¼ÈëÐëÒªµÄ¿â²¢×¼±¸Êý¾Ý£º

import numpy as np
from sklearn.linear_model import LinearRegression

# ×¼±¸Êý¾Ý
X = np.array([[1, 1], [1, 2], [2, 2], [2, 3]])
y = np.dot(X, np.array([1, 2])) + 3

µÇ¼ºó¸´ÖÆ

½ÓÏÂÀ´ £¬½¨ÉèÒ»¸öÏßÐԻعéÄ£×Ó¹¤¾ß £¬²¢¾ÙÐÐѵÁ·ºÍÕ¹Íû£º

# ½¨ÉèÄ£×Ó¹¤¾ß
model = LinearRegression()

# ѵÁ·Ä£×Ó
model.fit(X, y)

# Õ¹ÍûЧ¹û
X_test = np.array([[3, 5]])
y_pred = model.predict(X_test)

print(y_pred)

µÇ¼ºó¸´ÖÆ

×îºó £¬Ö´ÐдúÂë²¢Éó²éЧ¹û ¡£ÔÚPyCharmÖÐ £¬¿ÉÒÔͨ¹ýµã»÷”Run”°´Å¥»òʹÓÿì½Ý¼ü£¨ÈçCtrl+Shift+F10£©À´ÔËÐгÌÐò ¡£

×ܽ᣺

±¾ÎÄÏÈÈÝÁËÔõÑùÔÚLinuxϵͳÉÏÉèÖÃPyCharmÀ´¾ÙÐлúеѧϰµÄ¿ª·¢ ¡£Í¨¹ýƾ֤ÉÏÊö°ì·¨×°ÖúÍÉèÖÃPyCharm £¬¿ª·¢Ö°Ô±¿ÉÒÔ¸üÀû±ãµØ±àдºÍµ÷ÊÔ»úеѧϰ´úÂë ¡£Í¬Ê± £¬ÍŽáÇ¿Ê¢µÄ±à¼­¹¦Ð§ºÍ¸»ºñµÄPython¿â £¬PyCharmΪ»úеѧϰ¿ª·¢ÌṩÁËÒ»¸öÍêÕûµÄ½â¾ö¼Æ»® ¡£

ÒÔÉϾÍÊÇÔÚLinuxϵͳÉÏʹÓÃPyCharm¾ÙÐлúеѧϰµÄÉèÖÃÒªÁìµÄÏêϸÄÚÈÝ £¬¸ü¶àÇë¹Ø×¢±¾ÍøÄÚÆäËüÏà¹ØÎÄÕ£¡

ÃâÔð˵Ã÷£ºÒÔÉÏչʾÄÚÈÝȪԴÓÚÏàÖúýÌå¡¢ÆóÒµ»ú¹¹¡¢ÍøÓÑÌṩ»òÍøÂçÍøÂçÕûÀí £¬°æȨÕùÒéÓë±¾Õ¾ÎÞ¹Ø £¬ÎÄÕÂÉæ¼°¿´·¨Óë¿´·¨²»´ú±í×ðÁú¿­Ê±¹ÙÍøµÇ¼ÂËÓÍ»úÍø¹Ù·½Ì¬¶È £¬Çë¶ÁÕß½ö×ö²Î¿¼ ¡£±¾ÎĽӴýתÔØ £¬×ªÔØÇë˵Ã÷À´ÓÉ ¡£ÈôÄúÒÔΪ±¾ÎÄÇÖÕ¼ÁËÄúµÄ°æȨÐÅÏ¢ £¬»òÄú·¢Ã÷¸ÃÄÚÈÝÓÐÈκÎÉæ¼°ÓÐÎ¥¹«µÂ¡¢Ã°·¸Ö´·¨µÈÎ¥·¨ÐÅÏ¢ £¬ÇëÄúÁ¬Ã¦ÁªÏµ×ðÁú¿­Ê±¹ÙÍøµÇ¼ʵʱÐÞÕý»òɾ³ý ¡£

Ïà¹ØÐÂÎÅ

ÁªÏµ×ðÁú¿­Ê±¹ÙÍøµÇ¼

18523999891

¿É΢ÐÅÔÚÏß×Éѯ

ÊÂÇéʱ¼ä£ºÖÜÒ»ÖÁÖÜÎå £¬9:30-18:30 £¬½ÚãåÈÕÐÝÏ¢

QR code
ÍøÕ¾µØͼ