ry Python Cheat Sheet He @@n ETc MMC iam mL dt Lae) Matplotlib | Seaborn BS4 | Selenium | Scrapy ae ee MyCreate Your Model Se cue ed Linear Regression Penne a ma eee say ec osc emtO) Ee renee ore ean Brame cnet) rented Cn eee Pretestcis) con Poe Cube anor knn = neighbors. kNeighborsClassifier(n_neighbors = 5) ee eerie oe rey Ore est cnn aay Gee) one Per Guat ce Ca Poe SiGe eee ed bate Maladie) pie icienie ec ues Eranree rear CeCe Omen) Coe Semeur mas) eee nent) neers ey Cat OR ee ey Pov eee eee mc De Sone ci) Prediction conten Piven cnr Creare ania ect ttes Pree curerrey ares eet nae rey eee es Seer eect eat) La TR CT a eee ete iesemnree ACR CME a amc Bete atta ace) mos) Coes tien ere eared PSinGeEs isto em naar Cee econ eee mise PSC ens trate) Creer Mean Absolute Eror eae eae ao mmean_absolute error(y test,y_pred) erent ad ieee ee ence eres Bema) Coen . ine eC eer eae Cae) Chars eee ne ec ees cee eae ee ee cs EES tcmeiriett mse) ceed bree Coa es Coe ed eerste att) Rane poner ee eed arta ter a ay T STR tae) IG secch are een rns , PSrrapiariratt rons ts Cea) Pere seater PCR esa) Panteem tae a) tenets eee parans) SatayScikit-Learn Cheat Sheet Sea ua ena Cee eM ae ae Getting Started DO eee Co ae once) eee ‘The stops inthe code include loading the dat, spliting into train and test sats, scaling Ceo ee eee Cee eee ea fron sklearn inport neighbors, datasets preprocessing rer Uremic tentam cr imc Tes er Cri a eee cone? iris = datasets.load_iris() PRaeeU Un ciency ECCT Cs cere Mose mes URC TUmC CeCe RC a PoC eae cee msc mec) Pee eee mtT i) X test = scaler.transform(x_test) Uo C Lo ecosC Gensco) Pee ems ee mSsTT) y_pred = knn.predict(X test) Ecce meme mc) eRe) Sn ee ren neers ete te rete eee) poet en eee ee ee eter) pence reer {0.23, "0.601, Crane) eee reo) Peoria ear ar) MT aac) Lge Oni erie pearance PISCE ea citar Lema ita Cra a ed cilia ae eo coe Foes aeseneprenroceasig ara Seanaenisenter Prete earner standarized_X = scaler.transform(X_train) Boe rere Ge tale) Sere A et ee erent eter caesarean Peete heer ie ge ee et tetas BCH csi aaa POPE aie ue Menem) Preemie ee emer) Pewee Cento e ee es ee ee eee ea eee ee Rear cuiee nec ena td Stee ae usec Cee stCo) Dien emt rs} Encoding Categorical Fetures Cae ener eee er from caine er treat Pena ae) ener POL ay Danae neers eran estiay psa Preece Pirie rs baceeterer enon trans} Scere rir meres) Serreetr errr teetrcer To) ee eer ee teryPandas Cheat Sheet Pandas provides data analyss tools for Python. Allof the OT ea ee gen a eer fhe nog Pee ed eto ag Getting Started ea eae cee] Coe Berries ce cre nes ey fens Coenen ae Promiiche sr cre enon re a eras Caer UCC oton eave ereienreaa eres Canes ee a Paracas pear erro ee) Cet ete Ron Select single column, canta] peers prieincmaray) Seer rranteriteay Eee cierto) Peres racic arraaeeaTaTtiE Data wrangling eet cee] Can) Sean} eet cee eames ercirr Sic aET OD) een ce recesi6) Ce ido B Te) Serer ea trae ate) cae) eee (ee aerate) Coreen Pieter ete) Cee ere rier aerate erence es) ere casera nt ema Patera 2) seen Celt press ear Left colurn stays complete (LEFT OUTER JOIN} Ei seorrel oa Sera) Da ae oe neu So ca cr at ante) rene eC Sa acre) Peete become etn etait eee af. Fittnaco) eed ee Rares Eaten) Ceara) Pee ecelty Pere tee ara eee caent6) Ce eee Ci sect a) eee ratio) eee eee retro) eect Cec es Em) Eee oe ees cacrcesttie)Hierarchical inde: yeti ag Cre Rags Cees Seen, LIED espera) cane eens Seer ies Peery cicero afaunstack() rie rt ene eet en ; pre braciet ain aa (ste ee) Peet) bias) See fee Peery Ce eee es Ht reed Cee bar set area) Ere) rae tent eran ees Deer ete es Dat ae) paper reed Efarearects cotter) peed einen TS) ruin CRC Sacra eee ee ar ATT Coldto) Saini ay Stare et a a SEG Estee ena) oC acon Cae PURE ee Seo Seta eee ed rate eter ecat Hirt aa pee Be Ty Rett oD) Sarre pT ee ateeeretsy eee . arcsec aee ee vi a Saas eeeatee Style Pa ene coe i se ctr eee ean stat cor) pois ccc cement et i ee racers Pees Cet) Br Pee une Picco Soma mre ec s) = Data Wrangling Guide (Link) Seite erence ecmer es) ee eT etcNaa Cheat on [Nun provides tools for working with arrays. Allo the followin code examples refer tothe arrays below. DT eed ive Ea al WE DEBE imge ers Se Bice Cle Inport aumpy: en Cee Lear erereD) erat Once re PaCHE ISD CRB RCEAO EE Cae) een Eecencews cr nen r aren nnpcones((2,3,4),dtype=np.inti6) ee euro) Pati e) Dea Arcane) Peon) rnp. random. random((2,2)) np-empty((3,2)) eats eae) Poet arta eae an) DAC enae ea) npearray([(3.5,2,3), (4,5,6)], dtype=float) See aed SCTE) Berean acm tae detiniter Peers ane Parte aaa) Inspecting Your Aray pone ee} pereeg icircer emer Petey Bisstypetint) #change data type coon poets paatter) pias isis ie batt e PNA lilt Deicoteed ny ay ee [Be coe Ras Skee pete n Dy cL ee eT) Bern} aes cre Pome tS ICH eae) Reaieristt) eeauares Sarco) ees witie) R Peace ce edian() Pact oe emia Cee Poetic ett care sthy Corte ea Reon Cam CN} Dees omer beech Prey Teen rd eerie eto) Pact ene) eee ete pert HE a a) HEHE H Es) een Rea cuka: Be io eae Sear Boat oe een anne PM Ecos ER eCe Ln Subsetting crews) ce eens bate ateData Viz@ el Rarer tro) a) a eee eee Cee Pata oae eases Soe es PL eno Ha eae PS cin ears] Ae ie tse erm iaserne acc 2) Ei HEHE) ERE gadceatrr rere ey oe sr a greets setts ern ae Ree el Se ere eee Cie atin Ee oe ee He ec ieaeen Ee an ee) aes 7 gate pre eter) cairn oe erate tert) 7 o> CET ETE beer eo Bieter tea ect) watson, ae Ser copra eure) Slept arc eine os Sr Pet eet ee tet on ea ene eee Pacey ES Pinenesianee One Dee a Cd plt.show() oT emer er ery rae aoe a See ee ee TTY yo Ae Pata atte ea) Bae Dp th Sa CU Ce oe oa OU Reset ett eels or por Cuore Pt ee NT PS ae Ee taro a COC coe) stk ® ° reac eee - dee Cac mcrae) Bren eriy Ha Saas ve i [Cy e) ES “total bill", CH e ds ae . Dee en pasty rata cueiera anit) Ey OniCNnc ten Figure cesthetes rarer een rennierrg) Onna Fares artery treet crear ws SRILA Bee macerated nd Bi i Ei) bletieha Otero accu Cea Ce ee pa ie ea aes oer) Presta Heer) Pe ented bamescern tear ren nt ert) ares ao MEARE ee : aon atss) Bitsy voce labetenassa3 Cet roe tne = Comparing Data Viz libraries(Link) Libattd gerne EPSSES Dist oe DD Cree eee ere tie)pone aes Foor tt TR Sol eyo PSone ci a (el a(=:1 4 A Yet 214 Se ie pa De ee 'b. Closs name Be ug Rennie enviar ane ott Td eet Ce eae us Coc ne Pe eee Coen nS ir ences eee Ta eee tn enna Workflow Peete Peter mr araatTy ce ee aes — pao suerte oan rama! Ae ee 2 My ered es CU Can inns] Seen Arete Cena nee Pra reer eee Ee) Perinaee rr aes trates aaa/e —_ ke Eerste ata ae TC Cee rT Ce SS Deere cor Ere aeneree XPath Functions and Operators poets Se ee ee Cd re i rte eee Monarch Bt Se ren Coa aa RD /Zer eee Ces Tc oe aD Dae teed Canteen pear sect) De oer ee tanefecrmpie artes Coons eee eee eee er Porat ee ; PERO in alee: > pe ete ec Pieced aay " ae leer Pee a ect EST er mci ee) rere Sarde eet nee cr ma Sara Freee err) enenenter Nt mater tee era) ieee ena eee Tet ey ta ery - Eee EHRs site oP ee (RCO ed roe eo sieaa heer reas) ea eee ee ees ocr eerie Ce reercry wd erly eee peer aes eee Coe - Find on element Pcs sht ee ec met en) eer Piston in erareee meee re) Pausaia acorn aa eae re BHR Ht eet eae Oa) prserees sure teeta Coreg Cotsen) Seed cee Cran eae pias ite) aos WobDriverWait (driver, 5).until(EC.clenent_to io Se Sate ans aE Rat asa tcLtS eect window size oer Te Ce ea Ter eee ncn er tren: ade: ees ee CRTC meer) = Web Scraping with Selenium (Link) = Web Scraping with Beautiful Soup (Link)| Pee ee Rare ec Scrapy @ Peete need eae lnaolaeeeaeeLa eee eet ee re cs Cee Sere Seer site re eve at Pee Sram sto ttt er ere tet eet err carreras @ Comat eer teee Cee eed Se ete sonnei eaten ec Ce eae ic irene class Examplespider(scrapy. Spider: ane ieee escent) Prevesti cree ietnr cat Cee response): Seen tate Ure eee ty ert noe Se Sacer od ere pa eee ee eed peer aeronts ct sate) Soret See ee eee cca TATOO a Eee eee nic enc a eee eet) Retum date extracted peste ne eee eae CeCe} Sree terse nla COD) eer ee) SCR aS taCeemeita} Caria pecs ieee Peers ten Rime ne gy Paster ree trea te Ter)