引言 : python
数据分析 : 就是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来,总结出研究对象的内在规律 . 数组
数据分析三剑客 : Numpy 数组计算dom
Pandas 表计算与数据分析ide
Matplotlib 绘图和可视化函数
一 . NumPy
1 . NumPy(Numerical Python) 是 python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算 , 此外也针对数组运算提供大量的数学函数库工具
2 . NumPy是高性能科学计算和分析的post
- ndarray : 一个多维数组结构,高效且节省空间
- 无需循环对总体数据进行快速运算的科学函数
- * 读写磁盘数据的工具以及用于操做内存映射文件的工具
- * 线性代数 , 随机数生成和博里叶变换功能
- * 用于集成C , C++ 等代码的工具
3 . 安装方法 : 性能
pip install numpy spa
二 . 建立ndarray
注意 : 示例均是在jupyter上演示的3d
1 . 使用 np.array() 建立
# 导包 # 一般都将 numpy简化成np import numpy as np
1) . 一维数组的建立
np.array([1,2,3,4.5])
2) . 二维数组的建立 np.array([[1,2,3,4],[5,6,7,8]])
注意 :
- numpy默认ndarray的全部元素的类型是相同的
- 若是传进来的列表中包含不一样的类型，则统一为同一类型，优先级：str>float>int
3) . 使用matplotlib.pyplot获取一个numpy数组,数据来源于图片
2 . 使用 np 的 routines 函数建立
建立ndarray：
array() 将列表转换为数组，可选择显式指定dtype
arange() range的numpy版，支持浮点数
linspace() 相似arange()，第三个参数为数组长度
zeros() 根据指定形状和dtype建立全0数组
ones() 根据指定形状和dtype建立全1数组
empty() 根据指定形状和dtype建立空数组（随机值）
eye() 根据指定边长和dtype建立单位矩阵
例如 :
三 . ndrray---多维数组对象
1 . 经常使用属性 :
- T 数组的转置（对高维数组而言）
- dtype 数组元素的数据类型
- size 数组元素的个数
- ndim 数组的维数
- shape 数组的维度大小（以元组形式）
2 . 经常使用方法 :
array.shape array的规格 array.ndim array.dtype array的数据规格 numpy.zeros(dim1,dim2) 建立dim1*dim2的零矩阵 numpy.arange numpy.eye(n) /numpy.identity(n) 建立n*n单位矩阵 numpy.array([…data…], dtype=float64 ) array.astype(numpy.float64) 更换矩阵的数据形式 array.astype(float) 更换矩阵的数据形式 array * array 矩阵点乘 array[a:b] 切片 array.copy() 获得ndarray的副本，而不是视图 array [a] [b]=array [ a, b ] 二者等价 name=np.array(['bob','joe','will']) res=name==’bob’ res= array([ True, False, False], dtype=bool) data[True,False,…..] 索引，只索取为True的部分，去掉False部分 经过布尔型索引选取数组中的数据，将老是建立数据的副本。 data[ [4,3,0,6] ] 索引，将第4,3,0,6行摘取出来，组成新数组 data[-1]=data[data.__len__()-1] numpy.reshape(a,b) 将a*b的一维数组排列为a*b的形式 array([a,b,c,d],[d,e,f,g]) 返回一维数组，分别为[a,d],[b,e],[c,f],[d,g] array[ [a,b,c,d] ][:,[e,f,g,h] ]=array[ numpy.ix_( [a,b,c,d],[e,f,g,h] ) ] array.T array的转置 numpy.random.randn(a,b) 生成a*b的随机数组 numpy.dot(matrix_1,matrix_2) 矩阵乘法 array.transpose( (1,0,2,etc.) ) 对于高维数组，转置须要一个由轴编号组成的元组
四 . ndarray的基本操做
1、数组和标量之间的运算 a+1 a*3 1//a a**0.5 2、一样大小数组之间的运算 a+b a/b a**b 3、数组的索引： 一维数组：a[5] 多维数组： 列表式写法：a[2][3] 新式写法：a[2,3] (推荐) 数组的切片： 一维数组：a[5:8] a[4:] a[2:10] = 1 多维数组：a[1:2, 3:4] a[:,3:5] a[:,1] 4、强调：与列表不一样，数组切片时并不会自动复制，在切片数组上的修改会影响原数组。 【解决方法：copy()】
1 . 索引
一维与列表彻底一致 , 多维同理
2 . 切片
1) . 一维与列表彻底相同 , 多维同理
2) . 将数据进行反转 , 例如 : [1,2,3] --> [3,2,1]
3) . 对图片进行操做
3 . 变形
使用 reshape()函数,注意一个参数是 --- tuple !
4 . 级联
np.concatenate()
级联须要注意的点：
- 级联的参数是列表：必定要加中括号或小括号
- 维度必须相同
- 形状相符:在维度保持一致的前提下，若是进行横向（axis=1）级联，必须保证进行级联的数组行数保持一致。若是进行纵向（axis=0）级联，必须保证进行级联的数组列数保持一致。
- 可经过axis参数改变级联的方向
5 . 切割
给图片进行切割
原图片 :
五 . 数学和统计方法
经常使用函数： sum 求和 cumsum 求前缀和 mean 求平均数 std 求标准差 var 求方差 min 求最小值 max 求最大值 argmin 求最小值索引 argmax 求最大值索引
六 . ndarray的排序
np.sort() 和 ndarray.sort() 的区别 :
- np.sort() 不改变输入
- ndarray.sort() 本地处理,不占用空间,但改输入
七 . 随机数生成
随机数生成函数在np.random子包内
经常使用函数 :
- rand 给定形状产生随机数组（0到1之间的数）
- randint 给定形状产生随机整数
- choice 给定形状产生随机选择
- shuffle 与random.shuffle相同
- uniform 给定形状产生随机数组