数据分析常用库总结

一、科学计算库

1.numpy库常用操作

1.1 numpy基础

创建ndarray数组(三种方式，dtype可设置数据类型)

In [1]: import numpy as np
In [2]: a = np.array([1,2,3],dtype = np.int8)
In [3]: b = np.array(range(1,4),dtype = np.int8)
In [4]: c = np.arange(1,4,dtype = np.int8)
In [5]: a
Out[5]: array([1, 2, 3], dtype=int8)
In [6]: b
Out[6]: array([1, 2, 3], dtype=int8)
In [7]: c
Out[7]: array([1, 2, 3], dtype=int8)
“”“
ndarray：N维数组对象（矩阵），所有元素必须是相同类型。 
ndarray属性：
a.ndim，表示维度个数；
a.shape，表示各维度大小；
a.dtype，表示数据类型。
a.reshape(1,3),表示修改维度大小
a.flatten(),把数组转化为一维数据
“”“

数组运算

矢量运算：相同大小的数组之间的运算应用在相对应的元素上 ，大小不同的数组运算遵循广播原则
矢量和标量运算：“广播机制”将标量“广播”到各个元素上
如果不懂可参考 numpy的广播机制详解

1.2 numpy数组切片

一维数组的索引：与Python的列表索引功能相似
多维数组的索引：

• arr[r1:r2, c1:c2]
• arr[1,1] 等价 arr[1][1]
• [:] 代表某个维度的数据
  

numpy的布尔索引：

numpy中的三元运算符

numpy中的clip(裁剪)

numpy中的nan和inf

numpy中nan注意点

numpy常用统计函数

ndarry缺失值填充均值

1.3 numpy数组拼接和交换

1.4 numpy更多好用方法

numpy生成随机数

2.scipy库常用操作

未完待续

二、数据分析库

2.1 pandas库常用操作

可参考pandas用法

3.1 matplotlib库常用操作

未完待续

3.2 seabon库常用操作

• msno.matrix():显示出缺失值的无效矩阵
• msno.bar():显示条形图
• msno.heatmap()：显示热图
• msno.dendrogram():显示树状图
  未完待续

参考

numpy广播机制