数据分析笔记（一）

第一部分  了解 

1 ， 数据分析三大工具：numpy  pandas matplotlib

2，  开发环境anaconda  jupyter  官网即可免费下载

        优点是很好的数据分析和机器学习

        jupyter 是在浏览器上的一个可视化开发工具‘

3，jupyter的使用

md：makedown     笔记模块code：代码模块

快捷键a或者b  添加cell    |   删除：x

修改模式： m 修改成makedown模式   |       y： 修改成code模式

 执行模式：shift+enter

tab： 代码的自动补全

快速帮助文档  shift+tab

4，numpy

python中的基础库，进行数值（多维数组）计算

numpy的创建

使用np.array()创建

# 导入模块
import numpy as np
arry1 = np.array([1,2,3])  # 这个arry1就是np创建的一维数组
arry1
array([1, 2, 3])
array2 = np.array([[1,2,3],[4,5,6],[7,8,9]])  # 创建多维数组
array2
array([[1,2,3],[4,5,6],[7,8,9]])

这里需要的是数组中存储的数据类型必须是统一类型

        优先级： 字符串>浮点>整型

下面是创建数组的其他方法：

np.ones(shape=(3,4)) # 创建一个3行四列的数组且元素都是 1.
array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])

 

np.zeros(shape=(3,4)) #  与上面一样只是填充元素变成了0而已。
array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

 

np.linspace(0,100,num=10) # np.linspace(start,开始数字，stop,结束数字，step，步长
array([  0.        ,  11.11111111,  22.22222222,  33.33333333,
        44.44444444,  55.55555556,  66.66666667,  77.77777778,
        88.88888889, 100.        ])

 

np.arange(100,200,step=20)
array([100, 120, 140, 160, 180])

这里  只能返回一个一维的等差数列

numpy的常用属性

        shape  arr.shape  返回的是数组的形状 

        ndim  arr.naim  返回的是数组的维度

        size  arr.size  返回的是数组元素的个数

        dtype  arr.dtype 返回的数组元素的类型

我看的是哔哩哔哩的

https://www.bilibili.com/video/BV1kT4y157X1?p=5&spm_id_from=pageDriver

张晓波老师讲的