关于统计学的相关函数

python数据分析的概论

1、数据分析的含义与目标
统计分析的方法
提取有用的信息
研究、概括、总结
2、Python与数据分析
特点：简洁、开发效率、运算速度慢、胶水特性（解决运算速度的问题，可以把c语言引入进来）

3、python数据分析的大家族

numpy : 数据结构的基础
关键词：开源、数据计算扩展
功能：ndarray、多维操作、线性代数
官网：numpy官网

scipy:强大的科学计算方法(矩阵分析、信号分析、数理分析…)

matplotlib:丰富的可视化套件
pandas：基础数据分析的套件
scikit-learn：强大的数据分析建模库
keras:人工神经网络
科学计算工具:Anaconda

1、numpy

1、判断数据结构的类型

#encode utf-8
import numpy as np
#如果运行的是主函数的话，执行下一句main()
#如果作为模块被其他文件导入使用的话，我们就不执行后面的main()什么的。
def main():
    lst=[[1,2,9],[2,6,2]]
    print(type(lst))
    nplst=np.array(lst)  #nparray只能有一种数据类型
    print(type(nplst))
    nplst=np.array(lst,dtype=np.float64)
    print(nplst.shape)   #形状
    print(nplst.ndim)    #二维
    print(nplst.dtype)   #数据类型
    print(nplst.itemsize)#每个元素所占字节，64位占8个字节
    print(nplst.size)    #共多少个元素
if __name__=='__main__':
    main()

2、常用数组，生成数据（满足某一分布）

	import matplotlib
	import numpy  as np
	#some Arrays
	print(np.zeros([2,4])) #1、输出零矩阵
	print(np.zeros([3,5]))
	print("Rand:")
	print(np.random.rand(2,4))#2、输出随机矩阵,其中各元素在0-1之间
	print(np.random.rand())#输出0-1之间的数
	print("RandInt:")
	print(np.random.randint(3,8,9))#3、输出3-8之间的9个整数
	print("Randn:")
	print(np.random.randn(2,4))#4、标准正态的随机数
	print("choice:")
	print(np.random.choice([1,6,33,8,9]))#5、生成1，6，33，8，9中的随机数
	print("Distribute:")
	print(np.random.beta(1,10,100))#6、生成贝塔分布、当然像均匀分布、二项分布这样子的分布也可以用随机函数表示出来

3、对数组进行操作

1、对 axis的解释
原数组
（1）axis=0
(2)axis=1
(3)axis=2

		#对原生list进行操作
		lst=np.array([[[1,2,3,4],[4,5,6,7]],[[7,8,9,10],[10,11,12,13]],[[14,15,16,17],[18,19,20,21]]])#将该级别括号的元素相加
		#print(lst.shape) 
		print(lst)
		#print(lst.sum())
		#print(lst.sum(axis=2,keepdims=True))
		print(lst.sum(axis=2,keepdims=True))     

总结：
（1）保持括号不变，将元素相加
（2）找到进入的括号
（3）将括号内元素相加

2、对数组操作的代码
（1）对一维列表操作
（2）对二维列表进行操作
（3）对两个列表的操作

		import matplotlib
		import numpy as np
		# # 对列表本身操作
		# print(np.arange(1,11))#输出1到10的数组
		# print(np.arange(1,11).reshape([2,5]))#将数组变成2×5维
		# print(np.arange(1,11).reshape([2,-1]))#将数组变成2×5维，5可以缺省成为-1
		# #原生list是不可以直接加操作的
		# lst=np.arange(1,11).reshape([2,-1])
		# print("Exp")
		# print(np.exp(lst))#指数形式
		# print("Exp2")
		# print(np.exp2(lst))
		# print("sqrt")
		# print(np.sqrt(lst))
		# print("sin")
		# print(np.sin(lst))