学习数据挖掘的笔记

小伙伴们大家好~欢迎来和我一起学习数据挖掘，希望我的笔记能对你们的学习有一定的帮助，也希望你们对我的不足能多多的包容，对于我的错误能及时指出，互相学习，我们一起进步！

对数据进行操作有以下几个部分

数据的采集与存储

数据的预处理

数据的分析

数据的可视化展示

而数据挖掘就是这里面的第二部分和第三部分，也就是数据预处理和数据分析，但主要还是侧重于数据分析，但这二者并不是非此即彼，而是相互联系的。

numpy

今天学习了有关python中的一个第三方库numpy的用法，

和传统的第三方库一样，我们想要使用一个第三方库的时候，首先我们要对这个库，进行一个导入

import numpy as np

首先是使用np创建数据

a= np.argange(5)

当然还可以创建多维数组：

import numpy as np

b= np.array([np.arange(6),np.arange(6)])

创建了两个一维的数组，然后用numpy的array方法把他们组合成一个 新的数组。

数组之间可以进行运算

eg：m n 是两个数组

然后加减法乘除法就不用多说就是 result =m+n  result =m-n  result =m*n result =m/n

  其中数组这里有一个特殊的运算就是点乘  

                乘法（点乘）
                a = np.array([[1,2,3],[4,5,6]])
                b = np.array([4,5,6])
                In: np.dot(a,b) 
                Out:array([32, 77])

然后在学习的时候，我看教程上还有一种运算  向量与标量之间 的运算，我还特意去查了究竟什么是标量，感觉人就是退化了，标量都不记得是向量的“反义词了”哎~

- 标量 (Scalar)：
	- 是只有大小（数值）的量，没有方向。
	- 例如：温度、质量、时间等。
	- 向量 (Vector)：
	- 是既有大小又有方向的量。
	- 例如：速度、力、位移等。
	区别： 标量只需要一个数值来描述，而向量需要一个数值和一个方向来描述。向量通常用箭头表示，箭头的长度代表大小，箭头的方向代表方向。

下一个知识点呢就是数组的切片和索引，没有什么难度，可以给大家展示一个列题

# 引入numpy库
import numpy as np
# 定义cnmda函数
def ce(a,m,n):
    '''
    参数：
    a:是一个Numpy数组
    m:是第m维数组的索引
    n:第m维数组的前n个元素的索引
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加切片的代码,实现找出多维数组a中第m个数组的前n个元素 并赋值给ret
    #********** Begin *********#
    ret = a[m,:n]
    #********** End **********#
    return ret

然后是数组的堆叠于拆分

改变数组形状：
    - revel（）拆解，将多维数组变成一维数组==a.revel()==
    - flatten（）拉直，功能与ravel（）相同，但是flatten返回的是真实的数组，需要分配新的内存空间，而ravel（）仅仅是改变视图。
    - shape（）使用元组改变数组形状。
    - transpose（）转置

Numpy的拆分
    - 横向拆分
        np.hsplit(a,3)
    - 纵向拆分
        np.vsplit(a,3)
    - 深度拆分
       np.dsplit(a,3)

都非常的简单，大家可以找几个例子多练习，不然一会就忘了，大家有什么例子也可也share到评论区，我们一起学习~