matplotlib,numpy,pandas学习

matplotlib学习

一，设置图片大小

import matplotlib.pyplot as plt
fig = plt.figure(figsize=(20,8),dpi=80)
    # figure图形图标的意思，在这里值得就是我们画的图
     #通过实例化一个figure并且传递参数，能够在后台自动使用figure实例
     #在图像模糊的时候柯延传入dpi参数，让图片更加清晰
 x = range(2,26,2)
 y = [15,13,14,5,17,20,25,26,24,22,18,15]
 
 plt.plot(x,y)
 plt.savefig("./sig_size.png")-->保存图片
 plt.show()

numpy学习

numpy能够处理数值型数据

一，numpy中的索引值一

1，t.arange(12).reshape(3,4):组成0-12的三行四列的数组。

二，numpy中的索引方式二

一，numpy值的修改
①t[:,2:4]=0将三列四列的值修改为0
②先改为bool索引，t<10。再t[t<10]=3将小于10的替换成3。
③np.where(t<10,0,10)将小于10的替换成0，其他情况下替换成10。#numpy的三元运算符
二，numpy的clip(裁剪)操作
t.clip(10,18)将小于10的替换成10，大于18的替换成18
三，数组的变化
1，数组的拼接
np.vstack((t1,t2)竖直拼接
np.hstack((t1,t2))水平拼接
2，数组的行列交换
t[[1，2],:]=t[[2，1],:]行交换：2，3行交换
t[:,[0，2]]=t[:,[2，0]]列交换:1，3列交换
3，构造全为0,1的数组
np.zeros((2,3))
np.ones((2,3))
创建对角

us_data=np.loadtxt(us_data,delimiter=",",dtype=int
np.zeros

四，numpy中的nan和inf
1，nan:表示不是一个数字

什么时候numpy会出现nan：当我们读取本地的文件为float的时候，如果与缺失，就会出现nan，当做了一个不合适的计算的时候（比如无穷大-无穷大）

nan与任何式子计算都为nan
3，inf(-inf,inf):intfinity,inf表示正无穷，-inf表示负无穷。
什么时候出现inf:比如一个数字除以0，（python会直接报错，numpy则出现inf或-inf）
4,np.sum()
np.sum(t):把数组中的数都加起来
np.sum(t,axis=0):按列相加，返回一组数，数的个数与原数组的列相等
np.sum(t,axis=1)：按行相加，返回一组数，数的个数与原数组的行相等
5，t.mean(axis=0):求每一列的均值
np.median(t，axis=0)求中值
np.ptp(axis=None)极值
t.std(axis=None)标准差

pandas学习

很多时候，我们的数据除了处理数值型数据外，还有字符串，时间序列等，此时我们需要pandas。
比如：我们通过爬虫获取到了储存在数据库中的数据。
所以，pandas除了处理数值之外（基于numpy）,还能帮助我们处理其他类型的数据。
一，pandas之Series创建

index可以改变索引，Series对字典进行处理，健就为索引，若索引无对应内容，则nan。
t3[[“age”,“tel”]]就取到age,tel这两行