Python数据分析——数据分析与挖掘相关模块

相关模块简介

1、numpy  可以高效处理数据、提供数组支持，是很多模块的依赖，比如pandas、scipy、matplotlib都依赖这个模块，所以这个模块是基础

2、pandas  用的最多的一个模块，主要用于进行数据探索可数据分析

3、matplotlib作图模块，解决可视化的问题

4、scipy  主要进行数值计算，同时支持矩阵运算，并提供了很多高等数据处理功能，比如积分、傅里叶变换、微分方程求解等等

5、statsmodels  这个模块主要用于统计分析

6、Gensim  这个模块主要用于文本挖掘

7、sklearn、keras  前者机器学习，后者深度学习

相关模块的安装与技巧

模块的安装顺序与方式建议：

numpy、mkl  下载安装   是很多模块的基础  建议这两个同时安装

pandas  网络安装

matplotlib  网络安装

scipy  下载安装

statsmodels  网络安装

Gensim  网络安装

相关模块的基本使用

使用numpy创建一维数组

import numpy
# 创建一维数组的格式
# numpy.array([元素1,元素2,元素n])
x = numpy.array(['a','9','x','5'])
print(x)
print(type(x))

运行结果：

['a' '9' 'x' '5']
<class 'numpy.ndarray'>

使用numpy创建二维数组

# 创建二维数组的格式
# numpy.array([[],[],[],...[]])
x = numpy.array([['a','b','c'],['1','2','3']])
print(x)
print(type(x))

运行结果：

[['a' 'b' 'c']
 ['1' '2' '3']]
<class 'numpy.ndarray'>