Python Data Science Cheat Sheet - Scikit-Learn
Tags
Summary
Python Data Science Cheat Sheet - Scikit-Learn is the machine learning volume in the Python Data Science Cheat Sheet series. The series was originally produced by the online data science education platform DataCamp, condensing the core usage of commonly used Python data science libraries into printable single-page cheat sheets; the Chinese version was translated under the organization of the blogger "Dainiao's Python Data Analysis" (Dainiao) and has long circulated freely on GitHub and blogs, forming a set of more than ten sheets alongside volumes on Python basics, importing data, Jupyter Notebook, NumPy, Pandas, SciPy, Matplotlib, Seaborn, Bokeh, Keras, PySpark, and others. This volume follows the workflow recommended by Scikit-Learn's official documentation: it first explains that data must be input as NumPy arrays or SciPy sparse matrices, then covers loading data, preprocessing (standardization, normalization, binarization, categorical encoding, missing value imputation, polynomial features), splitting training and test sets, selecting supervised and unsupervised estimators (linear regression, SVM, naive Bayes, KNN, PCA, K-Means, and others), fitting and predicting with fit/predict, evaluating with classification, regression, and clustering metrics, cross-validation, grid search and randomized parameter optimization, and includes a complete example from the iris dataset to KNN classification. Its purpose is as a "function dictionary" rather than a tutorial: the text consists mainly of code snippets and function signatures with brief comments, helping readers quickly look things up when they cannot recall an API, so it is short and information-dense. Note that the cheat sheet is based on an earlier version of Scikit-Learn, and certain usages (such as preprocessing.Imputer, the grid_search module path, and the normalize parameter of LinearRegression) have changed or been removed in newer versions, so consult the current official documentation when using it. This volume is the single machine-learning-themed sheet in the series.
Editor's review
把一张速查表做成一个“分册”，听起来有些取巧，但对真正动手跑模型的人来说，它解决的是很实在的问题：你不必在几百页教程里翻找，就能知道 StandardScaler 该在 train_test_split 之前还是之后 fit。本册的价值有三点。第一是结构清晰，完全按 Scikit-Learn 的统一接口组织——预处理、划分、建模、预测、评估、调参，一条线走完，读一遍就能建立起对这套 API 的整体印象。第二是覆盖全面但克制，监督学习与非监督学习的主要估计器都以两三行代码呈现，不展开原理，正好适合作为学习教材之外的“第二本书”。第三是免费流传、便于打印，贴在显示器旁随手查，比打开搜索引擎更快。当然也要提醒：速查表原作年代较早，其中 Imputer、grid_search 等路径在当前版本已不适用，把它当作“记忆钩子”而不是“权威文档”，配合官方文档使用才稳妥。对刚学完一门机器学习课程、正要动手写代码的读者，这一张纸的性价比很高。
Who it's for
A good fit for
- 已学过机器学习基本概念、正在用 Python 动手建模的初学与中级读者
- 需要经常查阅 Scikit-Learn 函数名与常用参数的数据分析从业者
- 讲授数据科学课程、需要给学生发一份速查资料的教师与培训师
- 习惯把常用 API 打印出来贴在工位上的编程实践者
Not a good fit for
- 完全没有 Python 与机器学习基础、希望系统入门机器学习的读者
- 期望学习算法数学原理与推导过程的理论型读者
- 需要了解 Scikit-Learn 最新版本 API 变化、以官方文档为准的开发者
Reading tips
- 建议与 NumPy、Pandas 分册配套使用，先熟悉数据容器，再进入建模环节。
- 边读边在 Jupyter Notebook 里敲一遍示例代码，尤其是 iris + KNN 的完整流程。
- 把每个代码片段与当前 Scikit-Learn 官方文档对照，遇到已废弃写法及时更新。
- 打印一份放在手边，作为写代码时的检索工具，而不是从头到尾通读的读物。
FAQ
这本书是正式出版的纸质书吗？
目前可查的资料显示，该速查表源自 DataCamp 的免费速查表，中文版由“呆鸟的Python数据分析”翻译，主要以 PDF 形式在 GitHub 和博客上流传，未见可靠的书号、出版社与出版年份信息，因此本页面相关字段留空。
速查表和系统教程有什么区别？
速查表以代码片段和函数签名为主，不讲解算法原理，目标是“记不清时快速查到怎么写”；系统教程则会讲清概念、推导与完整案例。二者是互补关系，建议先学教程再用速查表巩固。
里面的代码能直接在新版 Scikit-Learn 上跑吗？
部分不能。速查表依据较早期版本编写，如 preprocessing.Imputer 已被 SimpleImputer 取代，grid_search 模块已并入 model_selection，LinearRegression 的 normalize 参数也已移除。使用前请对照官方文档修改。
这个系列一共有多少张速查表？
常见的中文版合集包含十余张，涵盖 Python 基础、导入数据、Jupyter Notebook、NumPy、Pandas 基础与进阶、SciPy、Matplotlib、Seaborn、Bokeh、Scikit-Learn、Keras 以及 Spark SQL、Spark RDD 等主题，不同整理版本的收录数量略有差异。
没有机器学习基础能看懂吗？
能看懂代码在做什么，但难以理解为什么这样做。建议先掌握监督学习、非监督学习、过拟合、交叉验证等基本概念，再使用本速查表，否则容易变成照抄代码而不知其意。
Comments
Find this book
This site is an index: you start “Search all sources” in your browser, and the entries it lists all point to third-party sites; please judge their availability yourself.
