一。 数组要比列表效率高很多 numpy高效的处理数据，提供数组的支持，python默认没有数组。pandas、scipy、matplotlib都依赖numpy。 pandas主要用于数据挖掘，探索，分析 matplotlib用于作图，可视化 scipy进行数值计算，如：积分，傅里叶变换，微积分 statsmodels用于统计分析 Gensim用于文本挖掘 sklearn机器学习， keras深度学习 二。 numpy和mkl 下载安装 pandas和maiplotlib网络安装 scipy 下载安装 statsmodels和Gensim网络安装 三numpy的操作。 import numpy # 创建数一维数组组 # numpy.array([元素1,元素2，......元素n]) x = numpy.array(['a', '9', '8', '1']) # 创建二维数组格式 # numpy.array([[元素1,元素2，......元素n],[元素1,元素2，......元素n],[元素1,元素2，......元素n]]) y = numpy.array([[3,5,7],[9,2,6],[5,3,0]]) # 排序 x.sort() y.sort() # 取最大值 y1 = y.max() # 取最小值 y2 = y.main() # 切片 四pandas的操作。 import pandas as pda # 使用pandas生成数据 # Series代表某一串数据 index指定行索引名称，Series索引默认从零开始 # DataFrame代表行列整合出来的数据框,columns 指定列名 a = pda.Series([8, 9, 2, 1], index=['one', 'two', 'three', 'four']) # 以列表的格式创建数据框 b = pda.DataFrame([[5,6,2,3],[3,5,1,4],[7,9,3,5]], columns=['one', 'two', 'three', 'four'],index=['one', 'two', 'three']) # 以字典的格式创建数据框 c = pda.DataFrame({ 'one':4, # 会自动补全 'two':[6,2,3], 'three':list(str(982)) }) # b.head(行数)# 默认取前5行头 # b.tail(行数)# 默认取后5行尾 # b.describe() 统计数据的情况 count mean std min 25% max e = b.head() f = b.describe() # 数据的转置,及行变成列，列变成行 g = b.T 五python数据的导入 import pandas as pad f = open('d:/大.csv','rb') # 导入csv a = pad.read_csv(f, encoding='python') # 显示多少行多少列 a.shape() a.values[0][2] #第一行第三列 # 描述csv数据 b = a.describe() # 排序 c = a.sort_values() # 导入excel d = pad.read_excel('d:/大.xls') print(d) print(d.describe()) # 导入mysql import pymysql conn = pymysql.connect(host='localhost', user='root', passwd='root', db='') sql = 'select * from mydb' e = pad.read_sql(sql, conn) # 导入html表格数据 需要先安装 html5lib和bs4 g = pad.read_html('https://book.douban.com/subject/30258976/?icn=index-editionrecommend') # 导入文本数据 h = pad.read_table('d:/lianjie.txt','rb', engine='python') print(h.describe()) 六matplotlib的使用 # 折线图/散点图用plot # 直方图用hist import matplotlib.pylab as pyl import numpy as npy x = [1,2,4,6,8,9] y = [5,6,7,8,9,0] pyl.plot(x, y) #plot(x轴数据，y轴数据，展现形式) # o散点图,默认是直线 c cyan青色 r red红色 m magente品红色 g green绿色 b blue蓝色 y yellow黄色 w white白色 # -直线 --虚线 -. -.形式 :细小虚线 # s方形 h六角形 *星星 + 加号 x x形式 d菱形 p五角星 pyl.plot(x, y, 'D') pyl.title('name') #名称 pyl.xlabel('xname') #x轴名称 pyl.ylabel('yname') #y轴名称 pyl.xlim(0,20) #设置x轴的范围 pyl.ylim(2,22) #设置y轴的范围 pyl.show() # 随机数的生成 data = npy.random.random_integers(1,20,100) #(最小值，最大值，个数) # 生成具有正态分布的随机数 data2 = npy.random.normal(10.0, 1.0, 10000) #(均值，西格玛，个数) # 直方图hist pyl.hist(data) pyl.hist(data2) # 设置直方图的上限下限 sty = npy.arange(2,20,2) #步长也表示直方图的宽度 pyl.hist(data, sty, histtype='stepfilled') # 去除轮廓 # 子图的绘制和使用 pyl.subplot(2, 2, 2) # (行，列，当前区域) x1 = [2,3,5,8,6,7] y1 = [2,3,5,9,6,7] pyl.plot(x1, y1) pyl.subplot(2, 2, 1) # (行，列，当前区域) x1 = [2,3,5,9,6,7] y1 = [2,3,5,9,6,7] pyl.plot(x1, y1) pyl.subplot(2, 1, 2) # (行，列，当前区域) x1 = [2,3,5,9,6,7] y1 = [2,3,9,5,6,7] pyl.plot(x1, y1) pyl.show()
来自：https://www.cnblogs.com/lianggege123/articles/9657831.html