数据分析day2

其他的图形的绘制
散点图、条形图、水平条形图，直方图
散点图和条形图类似
例如：属性很多都是类似的，比如透明度，线条颜色
设置x，y坐标，然后绘制，显示

plt.scatter(x,y)

绘制条形图

plt.bar(x,y,width=0.3)#宽度控制条形图，条状的宽度

绘制水平方向的条形图

plt.barh(x,y,height=0.3)#height条状宽度

绘制直方图

plt.hast(a,numbins)#a是原始数据可以是列表，b的分组个数将a数据分为多少组

组数 = 极差//组距 = (max(a) - min(a))//d)#d为自己估算得
当这个结果为小数的时候，绘制网格图，会产生图形偏移现象，所以尽量为整数
将直方图改为频率直方图：加入一个density=True的属性值

numpy

为什么要学numpy
1、快速，
2、方便
3、科学计算的基础库

什么是numpy
一个python中做科学计算的基础库，重在数值计算，也是大部分PYTHON科学计算库的基础库，多用于大型，多维数组上执行数值运算
numpy的基本使用
一、数据类型的查看和修改
1、创建数组

import numpy as np
a = np.array(range(1,6))

上述方法可以用

a = np.arange(1,6)#代替

2、查看数组中的数据类型

a.dtype

3、设置数据类型

a = np.array(range(1,6), dtype=float)

4、修改数据类型

a.astype(‘int8’)#还有其他的数据类型

二、维度变化shape
1、维度查看

t = np.arange(0,12)
t.shape

2、维度改变

t.reshape((2,6))#两行六列改变前后的元素个数不能改变

3、多维数组转为一维

 t.flatten()

三、数组的计算
数组和常量：
1、数组的加减

a = np.array(range(0,6))
a = a+1 #每一个数据都执行加1操作，减法同理

2、数组的乘除

a = a/2
a = a/0#可能产生两个值，nan inf，分别是not a number 和infinite

数组和维度相同的数组：
1、数组之间的相加，相减

a =  np.array(range(0,6))
b =  np.array(range(0,6))
a + b#a的每一位加上b的每一位

结果a+b
array([[ 0, 2, 4],
[ 6, 8, 10]])
2、数组之间的乘除
和加法类似-都是位置相同的进行乘法操作

 a*b
array([[ 0,  1,  4],
       [ 9, 16, 25]])

3、数组和数组不同维度计算原则
广播原则，两个数组的后缘维度（从末尾开始计算的维度）的轴长度或者其中一方为1，则认为他们是广播兼容的，广播会在缺失和（或）者长度为1的维度上进行
例如：shape为(3,3,2)的数组能和(3,2)进行计算
例如：shape(3,4)能和(3,1)计算
例如：shape(3,4)能和(1,4)计算
numpy读取csv数据

np.loadtxt(frame,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False)

参数说明
frame文件路径
dtype以什么形式的数据读取到数组中
delimiter分隔符
skiprows跳过x行，一般跳表头
usecols读取指定的列
unpack 矩阵的转置

numpy的转置(矩阵的转置)：

1、t.transpose()
2、t.T
3、t.swapaxes(1,0)交换1轴和0轴

numpy的切片操作和索引

t2 = np.arange(0,20).reshape(4,5)

#获取某一行：
t2[0]#获取第0行
#获取连续的某行
t2[3:]
#获取不连续的某行
t2[[1,3]]
#获取某列：
t2[:,3]
#取连续的多列:
t2[:,2:]
#取不连续的多列
t2[:,[1,2,3]]
#取多个不相邻的点
t2[[0,2],[1,3]]#代表01和23两个点