python在数据科学中的应用

视频来源：慕课网http://www.imooc.com/video/12975

IPython Shell：命令行执行python语句。IPython是交互式python，比传统的Shell更加好用。

python脚本：以xxx.py文件名。即命令行编程的集合。

目录：

    一：变量

    二：函数

    三：包

    四：numpy包

    五：数据可视化（应用matplotlib包）

    六：pandas

正文：

一：变量：大小写敏感。可以用type(name)来查看变量name的类型

float : 实数

int : 整数

str : 字符串

bool : True,false

list : familyHeigh = [1.73,1.68,1.71,1.89]

list用来给一组数据提供单一名字，可以包含任何类型，也可以包含不同类

二：函数：

round(data,n):指定数字data截取到小数点后第n位进行四舍五入

上图：capitalize() : 使字符串的首字母变大写

replace() : 替代

函数append() : 例如fam.append(aa) : 在list类型fam中的最后增加aa字符串。

 

三：包：

包是含脚本的目录。

Numpy ： 针对数据科学的包

Matplotlib : 可以做数据可视化的包

Scikit-learn : 专门用来做及其学习的包

.....

包的安装：当python的包多了以后，你会发现一个个去下载然后安装挺麻烦的，耗时耗力。java里面有maven，ivy来帮你管理jar包，而类似的python里有pip来完成这个任务。

在下列网址中下载get-pip.py（上图中的网址不对。）

https://pip.pypa.io/en/latest/installing.html

好了，以后你需要什么包，就上pypi网站查询就是了。查好以后输入pip install命令就可以安装这个包了。具体格式如下：

pip install SomePackage            # latest version

pip install SomePackage==1.0.4     # specific version

四：numpy包：

数组和list的比较：

numpy包里面的数组很好用，而且还可以用一条语句实现对两个数组的对应元素相互计算。但是元素只能有一种类型，如果用一条语句对两个list里的数据进行计算就会报错。而python里的list可以包含不同类型。其他都基本一样。如下图：

五：数据可视化（应用matplotlib包）

数据中重要的一环，探索数据，信息展现。

线图：

散点图：

.scatter(x,y):画散点图函数，x为横轴，y为纵轴。

直方图：

.hist(list,bin):画散点图函数，list是输入数据，bin是把该数据分成多少块。函数会自动算出每个块的边界，进而算出每个bin里面有多少个数据点。

 

数据可视化的个性花样作图例子：

（1）基本图：

（2）给轴家标签：

（3）标题：plt.title('World Population Projection')

（4）刻度：plt.yticks([0,2,4,6,8]) 在y轴上展现刻度

plt.yticks([0,2,4,6,8],['0','2B','4B','6B','8B','10B']) 在y轴上展现刻度和单位（B是万亿）

（5）加入历史数据（本例子中加入了三个点population = [ , , ,]+population 加入的三个点的list是历史数据，直接加上就行）。用绿色填充。

六：pandas

处理数据，高效容易

构造dataFrame只需要把外部文件导入进来就可以了。csv是存储数据集经常用的文件格式

而csv文件怎么导入进来呢？如下：

获取列只需要把列标放到中括号里就行了，而要想获取一行就不能只用中括号了，要用 . loc["BR"]