spyder的学习及使用（一）

一、numpy、scipy、matplotlib、pandas

1.numpy

numpy是python科学计算中的基础包之一，它的功能包括多维数组、高级数学函数（比如线性代数运算和傅里叶变换），以及为随机生成器。numpyi数组是基本数据结构，numpy的核心功能是ndarray,及多维数组。例如：

import numpy as np

x=np.array([[1,2,3],[4,5,6]])

print("x:\n{}".format(x))
x:
[[1 2 3]
 [4 5 6]]

2. scipy

scipy是python中用于科学计算的函数集合，它具有线性代数高级程序、数学函数优化、信号处理、特殊数学函数、统计分布等多项功能。scipy中最重要的是scipy.sparce:它可以给出稀疏矩阵。如果想保存一个大部分元素都是0的二维数组，就可以使用稀疏矩阵。例如：

from scipy import sparse

eye=np.eye(4)

print("Numpy array:\n{}".format(eye))
Numpy array:
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]

3.matplotlib 

matplotlib是python的主要科学绘画图库，其功能是可发布的可视化内容，如折线图、直方图、散点图等。

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(-10,10,100)
y=np.sin(x)
plt.plot(x,y,marker="x")



4.pandas

pandas是用于处理和分析数据的python库，它基于一种叫做DataFrame的数据结构，简单来说，一个pandas dataframe就是一张表格，类似excel表格，pandas里面含有大量用于修改表格和操作表格的方法，尤其是可以像SQL一样对表格进行查询和连接，pandas强大之处在于可以从许多文件格式和数据库中提取数据，如SQL、EXCEL文件和逗号分隔值文件。下面是利用字典创建DataFrame的一个小例子。

import pandas as pd
from IPython.display import display
#创建关于人的简单数据集
data={'Name':["Jone","Anna","Peter","Linda"],
      'Location':["New York","Paris","Berlin","Londonn"],
      'Age':[24,13,56,34]
      }
data_pandas=pd.DataFrame(data)
#IPython.display可以在Jupyter Notebook中打印出“美观的”DataFrame
display(data_pandas)

 结果如下：

   Age  Location   Name
0   24  New York   Jone
1   13     Paris   Anna
2   56    Berlin  Peter
3   34   Londonn  Linda

 查询这个表的方法有很多种，如下：

#选择年龄大于30的所有行

display(data_pandas[data_pandas.Age>30])
   Age Location   Name
2   56   Berlin  Peter
3   34  Londonn  Linda

5.mglean

通常用于快速美化绘图，或者用于获取一些有趣的数据。由于不频繁使用这里不做简绍。

以下代码是默认的并且常用的库：

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd 

import mglean