一、Python数据分析与展示需要掌握的能力
数据表示
数据清洗
数据统计
数据展示
二、常用库
numpy(ndarray)、matplotlib(pyplot)、pandas(Series、DateFrame)
三、编程工具
使用Anaconda IDE集成开发工具
需要理解和掌握的工具:conda、Spyder、IPython
四、Numpy入门
1、数据的维度
维度:一组数据的组织形式。
一维数据:由对等关系的有序或无序数据构成,采用线性方式组织,对应列表、数组、集合等概念。
二维数据:有多个一维数据构成,是一维数据的组合形式,表格是典型的的二维数据,其中,表头是二维数据的一部分。
多维数据:由一维或二维在新维度上扩展形成。
高维数据:仅利用最基本的二元关系展示数据间的复杂结构,对应字典。
2、NumPy的数组对象:ndarray
介绍:NumPy是一个开源的Python科学计算库,包括:
一个强大的N维数组对象 ndarray
广播功能函数
整合C/C++/Fortran代码的工具
线性代数、傅里叶变化、随机数生成等功能。
NumPy是Scipy、Pandas等数据处理或科学计算库的基础
引用:
import numpy as np(建议使用上述约定的别名)
N维数组对象:ndarray
Python已有列表类型,为什么需要一个数组对象(类型)?
数组对象可以去掉元素间运算所需的循环,使一位向量更像单个数据;
设置专门的数组对象,经过优化,可以提升这类应用的运算速度。
N维数组对象的组成:实际数据、描述这些数据的元数据(数据维度、数据类型等)
ndarray数组一般要求所有元素类型相同(同质),数组下表从0开始。
ndarray在程序中的别名是:array,np.array()生成一个ndarray数组,np.array()输出成[]形式,元素有空格分割
轴(axis):保存数据的维度;秩(rank):轴的数据
ndarray对象的属性:
.ndim(秩,即轴的数量或维度的数量)
.shape(ndarray对象的尺度,对于矩阵,n行m列)
.size(ndarray对象元素的个数,相当于.shape 中n*m的值)
ndrray的元素类型:bool、intc(int32或int64)、intp(int32或int64)、int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64、complex64、complex128
.dtype(ndarray对象的元素类型)
.itemsize(ndarray对象中每个元素的大小,以字节为单位)
ndarray数组的创建:
从Python中的列表、元组等类型创建ndarray数组;
使用NumPy中函数创建ndarray数组,如:
np.arange(n):类似range()函数,返回ndarray类型,元素从 0 到 n ‐ 1
np.ones(shape):根据shape生成一个全 1数组,shape是元组类型
np.zeros(shape):根据shape生成一个全 0数组,shape是元组类型
np.full(shape,val):根据shape生成一个数组,每个元素值都是val
np.eye(n):创建一个正方的n*n单位矩阵,对角线为 1,其余为 0
np.ones_like(a):根据数组 a的形状生成一个全 1数组
np.zeros_like(a):根据数组 a的形状生成一个全 0数组
np.full_like(a,val):根据数组 a的形状生成一个数组,每个元素值都是val
np.linspace():根据起止数据等间距地填充数据,形成数组
np.concatenate():数组 np.concatenate() 将两个或多个数组合并成一个新的数组
从字节流(raw bytes)中创建ndarray数组;
从文件中读取特定格式,创建ndarray数组。
ndarray数组的变换:对于创建后的ndarray数组,可以对其进行维度变换和元素类型变换
a = np.ones((2,3,4), dtype=np.int32)
.reshape(shape):不改变数组元素,返回一个shape形状的数组,原数组不变
.resize(shape):与.reshape()功能一致,但修改原数组
.swapaxes(ax1,ax2):将数组 n个维度中两个维度进行调换
.flatten():对数组进行降维,返回折叠后的一维数组,原数组不变
.astype(new_type):ndarray数组的类型变换,astype()方法一定会创建新的数组(原始数据的一个拷贝),即使两个类型一致
ndarray数组的索引和切片:
一维数组的索引和切片:与Python的列表类似
多维数组的索引和切换:每个维度的索引和切片使用逗号隔开
ndarray数组的运算:
数组与变量之间的运算:数组与标量之间的运算作用于数组的每一个元素
NumPy一元函数(对ndarray中的数据执行元素级运算的函数):
np.abs(x) np.fabs(x):计算数组各元素的绝对值
np.sqrt(x):计算数组各元素的平方根
np.square(x):计算数组各元素的平方
np.log(x) np.log10(x) np.log2(x):计算数组各元素的自然对数、10底对数和 2底对数
np.ceil(x) np.floor(x):计算数组各元素的ceiling值 或 floor 值
np.rint(x):计算数组各元素的四舍五入值
np.modf(x):将数组各元素的小数和整数部分以两个独立数组形式返回
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x):计算数组各元素的普通型和双曲型三角函数
np.exp(x):计算数组各元素的指数值
np.sign(x):计算数组各元素的符号值,1(+), 0, ‐1( ‐ )
NumPy二元函数:
+ ‐ * / **:两个数组各元素进行对应运算
np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin():元素级的最大值 /最小值计算
np.mod(x,y):元素级的模运算
np.copysign(x,y):将数组 y中各元素值的符号赋值给数组 x对应元素
> < >= <= == !=:算术比较,产生布尔型数组
3、Numpy数据存取
数据的CSV文件存取:(CSV只能有效存储一维和二维数组)
CSV:逗号分隔值
np.savetxt(frame, array, fmt="%.18e", delimiter=None)
frame:文件、字符串或产生器,可以是.gz或.bz2的压缩文件
array:存入文件的数组
fmt:写入文件的格式,例如:%d %.2f %.18e
delimiter:分割字符串,默认是任何空格(CSV文件是逗号)
np.loadtxt(frame, dtype=np.float,delimiter=None,unpacke=False)
frame:文件、字符串或产生器,可以是.gz或.bz2的压缩文件
dtype:数据类型,可选
delimiter:分割字符串,默认是任何空格
unpack:如果True,读入属性将分别写入不同变量
多维数据的存取:(下面的读取方法需要知道存入文件时数组的维度和元素类型)
a.tofile(frame, sep='',format="%s")
frame:文件、字符串
sep:数据分割字符串,如果是空串,写入文件为二进制
format:写入数据的格式
np.fromfile(frame, dtype=float,count=-1,sep='')
frame:文件、字符串
dtype:读取的数据类型
count:读入元素个数,‐1表示读入整个文件
sep:数据分割字符串,如果是空串,写入文件为二进制
NumPy的便捷文件存取:(下面的方法会在第一行存储数组的元信息,因而可以读取成和存储时一样的数组)
np.save(fname, array) 或np.savez(fname, array)
frame:文件名,以.npy为扩展名,压缩扩展名为.npz
array:数组变量
np.load(fname)
frame:文件名,以.npy为扩展名,压缩扩展名为.npz
4、NumPy的随机数函数(随机数随机出来的数据也是ndarray数组)
NumPy的随机数函数子库:np.random.*,例如:np.random.rand()、np.random.randn()、np.random.randint()
np.random的随机数函数:
rand(d0,d1,...,dn):根据d0‐dn创建随机数数组,浮点数,[0,1),均匀分布 ,d表示维度
randn(d0,d1,...,dn):根据d0‐dn创建随机数数组,浮点数,[0,1),标准正态分布 ,d表示维度
seed(s):随机数种子,s是给定的种子值,只要给定种子值,随机出来的数组就是固定的
randint(low[,high,shape]):根据shape创建随机整数或整数数组,范围是[low, high)
shuffle(a):根据数组a的第1轴进行随排列,改变数组x
permutation(a):根据数组a的第1轴产生一个新的乱序数组,不改变数组x
choice(a, [,size,replace,p]):从一维数组a中以概率p抽取元素,形成size形状新数组 replace表示是否可以重用元素,默认为False
uniform(low,high,size):产生具有均匀分布的数组,low起始值,high结束值,size形状
normal(loc,scale,size):产生具有正态分布的数组,loc均值,scale标准差,size形状
poisson(lam,size):产生具有泊松分布的数组,lam随机事件发生率,size形状
NumPy统计函数:
NumPy直接提供的统计类函数:np.std、np.var()、np.average()
sum(a,axis=None):根据给定轴axis计算数组a相关元素之和,axis整数或元组
mean(a,axis=None):根据给定轴axis计算数组a相关元素的期望,axis整数或元组
average(a,axis=None,weights=None):根据给定轴axis计算数组a相关元素的加权平均值
std(a,axis=None):根据给定轴axis计算数组a相关元素的标准差
var(a,axis=None):根据给定轴axis计算数组a相关元素的方差
min(a) max(a):计算数组a中元素的最小值、最大值
argmin(a) argmax(a):计算数组a中元素最小值、最大值的降一维后下标
unravel_index(index,shape):根据shape将一维下标index转换成多维下标
ptp(a):计算数组a中元素最大值与最小值的差
median(a):计算数组a中元素的中位数(中值)
NumPy的梯度函数:
梯度:连续值之间的变化率,即斜率
XY坐标轴连续三个X坐标对应的Y轴值:a, b, c,其中,b的梯度是:(c‐a)/2
np.gradient(f):计算数组f中元素的梯度,当f为多维时,返回每个维度梯度