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