机器学习中数据分析库简介

Numpy

ndarray元素类型是相同的，数据与数据的地址是连续的

而python列表中元素类型是任意的，只能通过寻址方式找到下一个元素

ndarray的使用

这里主要使用ndarray.shape和ndarray.dtype

三维数组，第一个2是两个二维数组

生成数组的方法

生成固定范围的数组

ndarray.linspace

ndarray.arange

ndarray.logspace

生成随机数组

ndarray.random模块

正态分布，μ决定了其位置，标准差σ决定了其分布的幅度，σ越小，越瘦

#Numpy的基本使用
import numpy as np #先引用一下库，再给它起个别名
这里比较重要的两个模块分别是shape和dtype
#ndarray.shape是数组维度的元组

用法：np.array(object, dtype=None, ndmin=0)
"""
object：任何提供array接口的对象，如列表，元组等

dtype：元素类型，如int，float等

ndmin: nd array的维度（dimention）
"""
用法：np.arange([start,] stop[, step,], dtype=None)
"""
start：起始数字

stop：结束数字，返回的array不包含该数

step：步长

dtype：数据类型，如果不指定则根据给定条件的数据类型来定

"""
用法：linspace(start, stop, num=50, dtype=None, axis=0)
"""
start：起始数字

stop：结束数字，返回的array包含该数

num：返回的值的个数

dtype：数据类型，如果不指定则根据给定条件的数据类型来定
"""

总而言之，从这里可以看到，ndarray的主要用法就三种

即：np.array np.arrange np.linspace

其次就是ndarray的属性了

>>> import numpy as np     
>>> ary=np.arange(1,10)
>>> ary
array([1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> ary.ndim
1
>>> ary.shape
(9,)
>>> ary.size
9
>>> ary.dtype   
dtype('int32')
>>> ary.itemsize
4

这是最常用的还是ndarray.shape和ndarray.dtype

代码展示

# 导入所需模块
import pandas as pd
import numpy as np 

# 查看索引、数据类型和内存信息
df.info()

# 查看数值型列汇总统计
df.describe()

# 查看销量为0 的行
df.loc[df['销量']==0,:].head()

 # 按销量排序
df.sort_values('销量', ascending=False).head()

Matplotlib

import matplotlib.pyplot as plt

matplotlib的运用由三部分，首先是数据处理

就是提供一堆数据，就像是数据集一样

然后就是绘制图表，规定一下其长宽和dpi分辨率，对其x轴和y轴进行定义，还可以对其轴刻度进行细分

最后就是就是创建图表了，根据其提供的数据，然后对其进行绘制我们所想得到的线段图表

嗯~ o(*￣▽￣*)o，好像也差不多吧，意思是那个意思，数据处理一个在绘制图像的上面。

现在翻一下代码看看

import matplotlib
from matplotlib import pyplot as plt
matplotlib.rcParams['font.family'] = 'SimHei'#这个很重要，用这个就可以识别中文
#准备数据
data = [{'年份': 2016, '收入': 14.5},
        {'年份': 2017, '收入': 15.6},
        {'年份': 2018, '收入': 17.9},
        {'年份': 2019, '收入': 23.4},
        {'年份': 2020, '收入': 18.6}
        ]
year = [str(item['年份']) for item in data]#这里就是对x轴刻度进行定义
income = [item['收入'] for item in data]#这里就是对y轴刻度进行定义

#创建画布
plt.figure(figsize=(10,4),dpi=100)
#绘制图像
plt.plot(year,income) #plt.plot(x,y)
plt.ylim(0, 30)     # 设置y轴刻度范围
plt.title('收入情况') #设置标题
plt.xlabel('年份')#x轴内容
plt.ylabel('万元')#y轴内容

#添加x，y轴刻度
#修改x，y轴刻度间隔
# plt.xticks=(x[::5],x_ticks_lable)
# plt.yticks=(y_ticks[::5])
#图像显示
plt.show()

Pandas

Pandas是什么

Pandas 是一个开源的第三方 Python 库，从 Numpy 和 Matplotlib 的基础上构建而来，享有数据分析“三剑客之一”的盛名（NumPy、Matplotlib、Pandas）。Pandas 已经成为 Python 数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具。

在 ndarray 数组（NumPy 中的数组）的基础上构建出了两种不同的数据结构，分别是 Series（一维数据结构）DataFrame（二维数据结构）：

#Series的用法
import pandas as pd
s=pd.Series( data, index, dtype, copy)

参数名称描述

data输入的数据，可以是列表、常量、ndarray 数组等。

index索引值必须是惟一的，如果没有传递索引，则默认为 np.arrange(n)。

dtypedtype表示数据类型，如果没有提供，则会自动判断得出。

copy表示对 data 进行拷贝，默认为 False。

import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)
print (s)
#这里我好像发现了numpy就像是打工人，负责输入数据，而pandas就像老板，直接让Series经理调用输出一下就好，自己想的形象比喻哈哈

这里还可以将键值对dict传进去

import pandas as pd
import numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}#这里打工人就不需要了，data默默的承担了所有
s = pd.Series(data)
print(s)

这里就算是吧b后面的1.的.去掉，输出的也是浮点型

import pandas as pd
import numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data,index=['b','c','d','a'])
print(s)

b 1.0
c 2.0
d NaN
a 0.0
dtype: float64
#当传递的索引值无法找到与其对应的值时，使用 NaN（非数字）填充

这里可以看出经理内部index的地位就是比data打工人高，index赋值多少，就是多少，不管打工人原来给的多少。

这里获取元素位置和切片与原有类似

import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
print(s[0])  #位置下标
print(s['a']) #标签下标

import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
print(s[-3:])

c  3
d  4
e  5
dtype: int64

emmm看了大牛的文档，发现有一些我都没见过不知道怎么用的，先不管了，嫖过来再说，以后要是用到了呢

axes以列表的形式返回所有行索引标签。

dtype返回对象的数据类型。

empty返回一个空的 Series 对象。

ndim返回输入数据的维数。

size返回输入数据的元素数量。

values以 ndarray 的形式返回 Series 对象。

index返回一个RangeIndex对象，用来描述索引的取值范围。

哎，我仔细一看其实很多我都见过，像什么values值ndim维数size数量dtype数据类型

但这里的empty，

返回一个布尔值，用于判断数据对象是否为空。

import pandas as pd
import numpy as np
s = pd.Series(np.random.randn(5))
print("是否为空对象?")
print (s.empty)

是否为空对象?
False

import pandas as pd
import numpy as np
s = pd.Series(np.random.randn(5))
print(s)
#这里先创建一个series对象

0    0.898097
1    0.730210
2    2.307401
3   -1.723065
4    0.346728
dtype: float64

random创建出来的上述示例的行索引标签是 [0,1,2,3,4]