python使用什么语句将键盘输入以单个字符串保存变量？

1 import pickle

2

3 # 存储变量的文件的名字

4 filename = 'shoplist.data'

5 # 初始化变量

6 shoplist = ['apple', 'mango', 'carrot']

7 # 以二进制写模式打开目标文件

8 f = open(filename, 'wb')

9 # 将变量存储到目标文件中区

10 pickle.dump(shoplist, f)

11 # 关闭文件

12 f.close()

13 # 删除变量

14 del shoplist

15 # 以二进制读模式打开目标文件

16 f = open(filename, 'rb'吵租)

17 # 将文件中的变量加载到当前工作区

18 storedlist = pickle.load(f)

19 print(storedlist)

登录乱态后复制

1 from sklearn.externals import joblib

2 # 保存x

3 joblib.dump(x, 'x.pkl')

4 # 加载x

5 x = joblib.load('x.pkl')

1 samples.to_pickle('samples')

2 pd.read_pickle('samples')

3

4 np.save('a'升陪兆, a)

5 a = np.load('a.npy')

# -*- coding: utf-8 -*-

from sklearn.cluster import KMeans

from sklearn.externals import joblib

import numpy

final = open('c:/test/final.dat' , 'r')

data = [line.strip().split('\t') for line in final]

feature = [[float(x) for x in row[3:]] for row in data]

#调用kmeans类

clf = KMeans(n_clusters=9)

s = clf.fit(feature)

print s

#9个中心

print clf.cluster_centers_

#每个样本所属的拆碰簇

print clf.labels_

#用来评估簇的个数是否合适，距离越小说明簇分的越旅汪谈好，选取临界点的簇个数

print clf.inertia_

#进行预测

print clf.predict(feature)

#保存模型

joblib.dump(clf , 'c:/km.pkl')

#载入保存的模型

clf = joblib.load('c:/km.pkl')

'''

#用来评估簇的个数是否合适，距离越小说明簇分的越好陵岁，选取临界点的簇个数

for i in range(5,30,1):

    clf = KMeans(n_clusters=i)

    s = clf.fit(feature)

    print i , clf.inertia_

'''

---