【python数据分析】学习记录1

Python数据分析课程：
5课：机器学习怎么学？哪里不会的数学再倒回去学

---

6课：算法推导与案例
算法怎么学：看书/博客/视频，看不懂可以先跳过，坚持写博客，动手做笔记
机器学习怎么做：
1.Github（找资源），kaggle（数据挖掘竞赛网站，找数据，讨论）[尝试注册然而失败]
2.案例的积累，模仿别人的做
3.学会套路！套路！模仿！模仿！

---

14课：pandas数据怎么读入
读取文件: pandas.read_csv("文件名.csv")
显示类型:type( ) 显示类型
               .dtypes 显示数据类型
小工具:help()
           shift+回车,换新行
取前几行后几行:
                .head()前五条数据
                .tail()后五行数据
取所有列名:
                .columms
看规模:
                .shape

---

15课:pandas索引与计算
读取第n行的数据: .loc[n]
读取第3到第6行的数据:.loc[3:6]
取列数据: frame['列名']
                frame[['列名1','列名2']]
变成列表形式: tolist
后缀: .endswith(' ')
新加一列只要frame['列名']
最大值.max()

---

16课：数据预处理实例(泰坦尼克号)
从小到大排序: .sort_values('列名')
从大到小: 加上ascending =  False
判断是否有缺失值: pd.isnull(age)
                             pd.isnull(age).any()
显示所有值为NaN的索引:
                 age_is_null    = pd.isnull(age)        
                             print(age[age_is_null])
缺失值有多少: age_null_true = age[age_is_null]
                      print(len(age_null_true))

---

17课：常用预处理方法
计算平均值时不带上缺失值：.mean()
数据透视表：index：以谁为基准
                    value：和谁比
                    aggfunc：什么关系，不写就按照均值计算
                    例子是以船舱等级为基准，比较和平均获救人数的关系
丢掉缺失值：.dropna()
                    .dropna(axis=1)把所有有nan值的列删掉
                    .dropna(axis=0，subset=['年龄','性别'])把年龄和性别有nan值的行删掉 定位：行号列号：.loc[行号,'列名']                  

---

18课:pandas自定义函数
重新排index值: reset_index(drop=True)#drop=True表示原来的不要了直接形成新的
自定义函数:.apply()
！疑问：1.为什么有一个例题apply后的括号里有axis =1，什么时候要写这个？
              2.在求平均值的时候出现异常，明明应该是20左右的数，最后出现了1000多

---

19课：Series结构：Dataframe的每一列都是Series结构，Series里的每个value（操作：.values）是ndarray结构。
          .set_index('列名')：以某列来作为index进行排序
          （第19课说的啥啊听不明白）

---

25课：Seaborn 的安装
import seaborn as sns
import numpy as np
import matplotlib as mpl
import matplotlib.pylab as plt
%matplotlib inline

---

26课：整体风格布局设置
    写完代码直接显示图在notebook上： %matplotlib inline
    np.linspace(0,14,100):在0-14上找100个点（注意linspace没有e）
    sns.set() 用seaborn的默认参数
    五种主题风格：whitegrid，darkgrid，dark，white，ticks（xy轴上加线段），用法：sns.set_style('ticks')
    去掉右边和上面的框线：sns.despine()

---

27课：风格细节设置
    图离轴线的距离offset：sns.despine(offset=100)
    去点某条轴，例如左轴：sns.despine(left= True)
    指定风格with域：with里是一种风格，外面是另一种，特别适合子图对比用
    with sns.axes_style('darkgrid'):
            plt.subplot(211)
            sinplot()
    plt.subplot(212)
    sinplot()
    
    大小：sns.set_context('notebook'),paper<talk<poster<notebook
    字体大小：font_scale=
        sns.set_context('poster',font_scale=0.5)
    线的粗度：rc={'lines.linewidth':2.5}

---

28课:调色板
    离散型/连续型颜色
    默认有6个颜色（我的有10个），当颜色需求多于默认时，最常用的方法是使用hls的颜色空间：palette=sns.palplot(sns.color_palette('hls',12))
    调亮度和饱和度：l和s：sns.palplot(sns.hls_palette(8,l=0.7,s = 0.9)
    调取颜色对（深浅）Paired：sns.palplot(sns.color_palette('Paired',8))

---

29课：调色板颜色设置
    xkcd 包含了一套针对随机RGB色的命名
    颜色由浅到深：sns.palplot(sns.color_palette('Blues'))，由深到浅加_r

---

76课：
机器学习：sklearn
cross_validation 交叉验证
线性回归拟合
逻辑回归结果也差不多