Introduction to Python for Data Science 学习笔记

1. 简介

用于数据科学。

1.1 Variables and Types

· 变量名区分大小写；
· 通过变量名调用值。

Python 数据类型

• float - real numbers
• int - integer numbers
• str - string, text
• bool - True, False
  

2. Python 列表

序列是Python中最基本的数据结构。序列中的每个元素都分配一个数字 - 它的位置，或索引，第一个索引是0，第二个索引是1，依此类推。
Python有6个序列的内置类型，但最常见的是列表和元组。
列表是最常用的Python数据类型，它可以作为一个方括号内的逗号分隔值出现。
列表的数据项不需要具有相同的类型。

2.1 Python List

• float - real numbers
• int - integer numbers
• str - string, text
• bool - True, False
  Each variable represents single value.

List:

• Name a collection of values；
• Contain any type；
• Contain different types.

创建一个列表，只要把逗号分隔的不同的数据项使用方括号括起来即可，如下图：

2.2 Subsetting Lists

Zero-based indexing：第一个索引是0，第二个索引是1，依此类推。

• $0,1,2,\dots ,N-2,N-1$
• $-(N-1),-(N-2),\dots ,-2,-1$
  

Python列表截取

[ start (包括) : end (不包括) ]
如：

2.3 Manipulating Lists

• Change list elements
• Add list elements
• Remove list elements

更改列表元素

增加或删除列表元素

复制列表

• Copy by reference
• Copy by value

Copy by reference

y=x #赋值引用， x和y都指向同一个对象。

Copy by value

Python还有深拷贝和浅拷贝。

3. 进阶

3.1 函数 Functions

max()函数

max() 方法返回给定参数的最大值，参数可以为序列。
语法：

max(x, y, z, ...)

round()函数

round() 方法返回浮点数x的四舍五入值。
语法：

round( x [, n]  ) # x-数值表达式 n-数值表达式（精度），返回浮点数x的四舍五入值。

3.2 Methods: Functions that belong to objects

• str : capitalize(), replace(), etc.
• float : bit_length(), conjugate(), etc.
• list : intex(), count(), etc.

list methods

• list.append(obj)：在列表末尾添加新的对象。
• list.count(obj)：统计某个元素在列表中出现的次数。
• list.extend(obj)：在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）。
• list.index(obj)：从列表中找出某个值的第一个匹配项的索引位置。
• list.insert(index, obj)：将对象插入列表。
• list.pop([index = -1])：移除列表中的一个元素（默认最后一个元素），并返回该元素的值。
• list.remove(obj)：移除列表中某个值的第一个匹配项。
• list.reverse()：反向列表中元素。
• list.sort(cmp=None, key=None, reverse=False)：对原列表进行排序。

str methods

• str.capitalize()：把字符串第一个字符大写。
• str.center(width)：返回一个原字符串居中，并使用空格填充至长度 width 的新字符串。
• …
  
  
  
  总结：
• Functions：
  type(fam)
• Methods: call functions on objects
  fam.index(“dad”)

4. Numpy

4.1 Numpy简介

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

• 一个强大的N维数组对象 ndarray
• 广播功能函数
• 整合 C/C++/Fortran 代码的工具
• 线性代数、傅里叶变换、随机数生成等功能

4.2 Ndarray

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。
ndarray = N-dimensional array
ndarry可以整个数组进行运算。

!: Numpy arrays: contain only one type; Different types different behavior!

Subsetting

ndarray 数组可以基于 0 - n 的下标进行索引；numpy还可以用boolean索引。
布尔索引：通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。

2D Numpy Arrays

4.3 Numpy: Basic Statistics

5. Matplotlib 绘图

5.1 简介

Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。

直线图

散点图

直方图

5.2 个性化

plt.xlabel('Year')
plt.ylabel('Population')
plt.title('World Population Projections')
plt.yticks([0,2,4,6,8,10],['0','2B','4B','6B','8B','10B'])
plt.xlim(1800, 2100)
plt.ylim(0, 11)

6. Pandas

CSV file →→ DataFrame

import pandas as pd
data = pd.read_csv("路径")