第一二章数据分析笔记及概念性知识

什么是数据分析

数据分析是指：用适当的统计分析方法将收集来的大量数据进行数据分析，提取有用信息和形成总结，并加以详细概括和研究的过程。

---

数据分析流程

数据收集---------->数据处理-------------->数据分析------------------>数据展现

---

jupyter的编辑区域

shift+enter ：运行单元格

enter：编辑单元格

esc : 命令模式

在命令模式下输入Y ：切换单元格；输入H：查看所有的快捷命令

Insert + Insert Cell Above : 在单元格上方插入一个新的单元格

file + Download as ： 导出所写的东西

关于Anaconda

Anaconda 是一个可以便捷获取和管理包，同时对环境进行统一管理的发行版本，它包含了conda，python在内的超过180个科学包及其依赖项。

特点：

1. 包含了众多流行的科学，数学，工程和数据分析的python库

2. 完全开源和免费

3. 额外的加速和优化是收费的，但对于学术用途，可以申请免费的License

4. 全平台支持linux,Windows,Mac OS X

Anaconda3目录下的组件：

1. Anaconda Navigator: 用于管理工具包和环境的图形用户界面。

2. Jupyter Notebook: 基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。

3. Anaconda Prompt：Anaconda自带的命令行

4. Spyder：一个用python语言，跨平台的科学运算集成开发环境。

查看安装包信息：list 命令 conda list

查找包：search命令 conda search --full-name 包的全名 例如 conda search --full-name python

安装包：install命令 conda install --name env_name package_name 例如 conda install --name python3 pandas

卸载包：remove命令 conda remove --name env_name packagea_name

更新包：update命令 conda update --all 例如 conda update numpy

常用的数据分析工具

NumPy库

NumPy是Python开源的数值计算扩展工具，它提供了Python对多维数组的支持，能够支持高级的维度数组与矩阵运算。

Pandas库

Pandas库是一个基于NumPy的数据分析包，是为了解决数据分析任务而创建的

Matplotlib库

Matplotlib是一个用在Python中绘制数组的2D图形库，虽然它起源于模仿Matlab图形命令，但它独立于Matlab，是Python中最出色的图形库。

Seaborn库

Seaborn是Python中基于Matplotlib的数据可视化分析工具，它提供了很多高层封装的函数，帮助数据分析人员快速绘制美观的数据图像

Python做数据分析的优势

1. 语法简单精炼，适合初学者入门

2. 拥有一个巨大且活跃的科学计算社区

3. 拥有强大的通用编程能力

4. 人工智能时代的通用语言

5. 方便对接其他语言

第二章一些习题的答案

在NumPy中，可以使用数组对象ndarray进行一些科学计算

NumPy的 数组类型 是由 一个类型名和元素位长的数字组成的

如果两个数组的大小不同，则它们进行运算时会出现广播机制（这里强调一下数组广播的条件是：数组某一维度等长或者其中一个数组某一维度为1）

花式索引是NumPy的一个术语，是指用整数数组或者列标进行索引。

矢量化运算：

大小相等的数组之间的任何运算都会应用到元素级，即只用于位置相同的元素之间，所得的运算结果组成一个新的数组

如下图所示：

---

简答题

1.创建一个数组，数组的shape为（5，0），元素都是0

arr = np.zeros(5)

arr

2.创建一个表示国际象棋棋盘的8×8数组，其中，棋盘的白格用0填充，棋盘黑格用1填充

arr_1 = np.zeros((8,8),dtype=int)

arr_1[1::2,0::2]=1

arr_1[0::2,1::2]=1

arr_1