from sklearn import metrics 其中metrics是度量，是用來統計計算應用的性能指標, 頻率, 耗時 ,大小長短；
來源
通過python metrics計算應用性能指標

df = series.to_frame 將pandas中的series轉成dataframe
df.columns = ['a'] 暴力改列名字
df_month_rename = df_month.rename(columns={'Times': 'DATE_TIME'})
df.drop([' column_1','column_2'],axis=1) 去列
df.drop([' index',])
s_Y_pre = np.where(s_Y_pre < 0, 0, s_Y_pre) np.where函數
datetime = [2017-10-01_00:00:00,...,2017-10-31_23:45:00]
date = datetime.str[0:10] # 字符串選取年月日
date = [2017-10-01,...,2017-10-31]
rmse_score = pd.Series(rmse_score, index=index_date) # 設置索引

    df_year = pd.DataFrame([])
    for j in range(0, 365):
        df_ex = pd.read_table(dir_data + txt_files[j+365*i],
                           skiprows=2, nrows=96)  # 使用空格作為分隔符，表頭為空
        df_year = pd.concat([df_year, df_ex])    # 上下df的合并

使用sklearn時 需要數據預處理，參考以下原創
Scikit-learn Preprocessing 預處理
此片原創文章中 有幾處錯誤，公式計算時的方差應該是標準差，既然是數學公式當然要嚴謹一些，希望原作者給予修改。

二次規劃問題
[原創二次規劃基礎知識]（http://blog.csdn.net/jbb0523/article/details/50598523）

莫煩python
莫煩python