什么是数据分析?
数据分析:就是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来,总结出所研究对象的内在规律.
数据分析三剑客:Numpy,Pandas,Matplotlb
NumPy简介
NumPy(Numerical python)是python语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库.
NumPy的前身Numeric 最早是由 Jim Hugunin 与其它协作者共同开发,2005 年,Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色,并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。
NumPy是一个运行速度非常快的数学库,主要用于数组计算,包含:
- 一个强大的N维数组对象ndarray
- 广播功能函数
- 整合 c/c++/Fortran 代码的工具
- 线性代数, 傅里叶变换、随机数生成等功能
NumPy应用
NumPy 通常与 SciPy(Scientific Python)和 Matplotlib(绘图库)一起使用, 这种组合广泛用于替代 MatLab,是一个强大的科学计算环境,有助于我们通过 Python 学习数据科学或者机器学习。
SciPy 是一个开源的 Python 算法库和数学工具包。
SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。
Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包,如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口(API)。
入门
NumPy的主要对象是同构多维数组.他是一个元素表(通常是数字),都是相同的类型,有正整数元组索引,在NumPy维度中成为轴.
例如,3D空间中的点的坐标[1,2,1]具有一个轴,该轴有三个元素,所以说它的长度为3,在下面所示的例子中,数组有两个轴,第一个轴长度为2,第二个轴的长度为3.
[[ 1., 0., 0.],
[ 0.,1., 2.]]
NumPy的数组类被调用ndarray。它也被别名所知array。请注意,numpy.array这与标准Python库类不同array.array,后者只处理一维数组并提供较少的功能。ndarray对象更重要的属性是:
ndarray.ndim --- 数组的轴数(尺寸)
ndarray.shape --- 数组的大小,这是一个整数元组,表示每个维度中数组的大小,对于具有n行和m列的矩阵,shape将是(n,m).shape因此元组的长度是轴的数量ndim
ndarray.size ---数组的元素总数。这等于元素的乘积shape
ndarray.itemsize ---数组中每个元素的大小(以字节为单位)。例如,类型的元素数组float64有itemsize8(= 64/8),而其中一个类型complex32有itemsize4(= 32/8)。它相当于ndarray.dtype.itemsize。
ndarray.data ---包含数组实际元素的缓冲区。通常,我们不需要使用此属性,因为我们将使用索引工具访问数组中的元素。
例子:
>>> importnumpy as np>>> a = np.arange(15).reshape(3, 5) #创建一个二维数组
>>>a
array([[ 0,1, 2, 3, 4],
[5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])>>> a.shape #查看每个维度中数组的大小
(3, 5) #3行5列
>>> a.ndim #数组的轴数,二维数组
2
>>> a.dtype.name #描述数组中元素类型的对象
'int64'
>>> a.itemsize #数组中每个元素的大小为8字节
8
>>> a.size #数组的元素总数
15
>>>type(a)
>>> b = np.array([6, 7, 8])>>>b
array([6, 7, 8]) #创建一个数组
>>>type(b)
>>> np.array([[1,2,3],['a','b',1.1]]) # 创建一个二维数组
array([['1', '2', '3'],
['a', 'b', '1.1']], dtype='
数组的创建
有以下集中方法可以创建数组.
你可以使用array函数从常规python列表或元组创建数组,结果数组的类型是从序列中元素的类型推导出来的
>>> importnumpy as np>>> a = np.array([2,3,4])>>>a
array([2, 3, 4])>>>a.dtype
dtype('int64')>>> b = np.array([1.2, 3.5, 5.1])>>>b.dtype
dtype('float64')
常见的错误在于array使用多个数字参数调用,而不是提供单个数字列表作为参数.
>>> a = np.array(1,2,3,4) #错误的
>>> a = np.array([1,2,3,4]) #正确的
array将两个序列转换成二维阵列,将序列转换成三维阵列.等.
>>> b = np.array([(1.5,2,3), (4,5,6)])>>>b
array([[1.5, 2. , 3. ],
[4. , 5. , 6. ]])
注意:
- numpy默认ndarray的所有元素的类型是相同的
- 如果传进来的列表中包含不同的类型,则统一为统一类型,优先级 str > float > int
也可以在创建时显式指定数组类型:
>>> c = np.array( [ [1,2], [3,4] ], dtype=complex )>>>c
array([[1.+0.j, 2.+0.j],
[3.+0.j, 4.+0.j]])
通常数组的元素最初是未知的,但其大小是已知的.因此,NumPy提供了几个函数来创建具有初始占位符内容的数组.这些最小化了增加举证的必要性,这是一项昂贵的操作,
函数zeros创建一个充满零的数组,
函数ones创建一个完整的数组,
函数empty创建一个数组,其初始内容是随机的,取决于内存的状态.默认情况下,创建的数组的dtype是float64.
>>> np.zeros( (3,4) )
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])>>> np.ones( (2,3,4), dtype=np.int16 ) #dtype can also be specified
array([[[ 1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]],
[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]], dtype=int16)>>> np.empty( (2,3) ) #uninitialized, output may vary
array([[ 3.73603959e-262, 6.02658058e-154, 6.55490914e-260],
[5.30498948e-313, 3.14673309e-307, 1.00000000e+000]])
为了创建数字序列,NumPy提供了一个类似于range返回数组而不是列表的函数
>>> np.arange( 10, 30, 5)
array([10, 15, 20, 25])>>> np.arange( 0, 2, 0.3 ) #it accepts float arguments
array([ 0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8])
第一个参数开始数字,第二个是结束数字,第三个类似步长
当arange与浮点参数一起使用时,由于有限的浮点精度,通常不可能预测所获得的元素的数量。出于这个原因,通常最好使用linspace作为参数接收我们想要的元素数量的函数,而不是步骤:
>>> from numpy importpi>>> np.linspace( 0, 2, 9 ) #9 numbers from 0 to 2
array([ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ])>>> x = np.linspace( 0, 2*pi, 100 ) #useful to evaluate function at lots of points
>>> f = np.sin(x)
数组的打印
当您打印数组时,NumPy以与嵌套列表类似的方式显示它,但具有以下布局:
最后一个轴从左到右打印,
倒数第二个是从上到下打印的,
其余部分也从上到下打印,每个切片用空行分隔。
然后将一维数组打印为行,将二维数据打印为矩阵,将三维数据打印为矩阵列表。
>>> a = np.arange(6) #然后将一维数组打印为行
>>> print(a)
[01 2 3 4 5]>>>
>>> b = np.arange(12).reshape(4,3) #将二维数据打印为矩阵
>>> print(b)
[[ 01 2]
[3 4 5]
[6 7 8]
[9 10 11]]>>>
>>> c = np.arange(24).reshape(2,3,4) #将三维数据打印为矩阵列表
>>> print(c)
[[[ 01 2 3]
[4 5 6 7]
[8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
如果数组太大而无法打印,NumPy会自动跳过数组的中心部分并仅打印角落:
>>> print(np.arange(10000))
[ 01 2 ..., 9997 9998 9999]>>>
>>> print(np.arange(10000).reshape(100,100))
[[ 01 2 ..., 97 98 99]
[100 101 102 ..., 197 198 199]
[200 201 202 ..., 297 298 299]
...,
[9700 9701 9702 ..., 9797 9798 9799]
[9800 9801 9802 ..., 9897 9898 9899]
[9900 9901 9902 ..., 9997 9998 9999]]
要禁用此行为并强制NumPy打印整个阵列,可以使用更改打印选项set_printoptions。
>>> np.set_printoptions(threshold=np.nan)
基本操作
数组上的算术运算符应用于元素。创建一个新数组并填充结果。
>>> a = np.array( [20,30,40,50] )>>> b = np.arange( 4)>>>b
array([0,1, 2, 3])>>> c = a-b>>>c
array([20, 29, 38, 47])>>> b**2array([0,1, 4, 9])>>> 10*np.sin(a)
array([9.12945251, -9.88031624, 7.4511316 , -2.62374854])>>> a<35array([ True, True, False, False])
与许多矩阵语言不同,产品运算符*在NumPy数组中以元素方式运行。矩阵乘积可以使用@运算符(在python> = 3.5中)或dot函数或方法执行:
>>> A = np.array( [[1,1],
... [0,1]] )>>> B = np.array( [[2,0],
... [3,4]] )>>> A * B #elementwise product
array([[2, 0],
[0,4]])>>> A @ B #matrix product
array([[5, 4],
[3, 4]])>>> A.dot(B) #another matrix product
array([[5, 4],
[3, 4]])
某些操作(例如+=和)*=用于修改现有阵列而不是创建新阵列。
>>> a = np.ones((2,3), dtype=int)>>> b = np.random.random((2,3))>>> a *= 3
>>>a
array([[3, 3, 3],
[3, 3, 3]])>>> b +=a>>>b
array([[3.417022 , 3.72032449, 3.00011437],
[3.30233257, 3.14675589, 3.09233859]])>>> a += b #b is not automatically converted to integer type
Traceback (most recent call last):
...
TypeError: Cannot cast ufunc add outputfrom dtype('float64') to dtype('int64') with casting rule 'same_kind'
当使用不同类型的数组进行操作时,结果数组的类型对应于更一般或更精确的数组(称为向上转换的行为)
>>> a = np.ones(3, dtype=np.int32)>>> b = np.linspace(0,pi,3)>>>b.dtype.name'float64'
>>> c = a+b>>>c
array([1. , 2.57079633, 4.14159265])>>>c.dtype.name'float64'
>>> d = np.exp(c*1j)>>>d
array([0.54030231+0.84147098j, -0.84147098+0.54030231j,-0.54030231-0.84147098j])>>>d.dtype.name'complex128'
许多一元操作,例如计算数组中所有元素的总和,都是作为ndarray类的方法实现的。
>>> a = np.random.random((2,3))>>>a
array([[0.18626021, 0.34556073, 0.39676747],
[0.53881673, 0.41919451, 0.6852195]])>>>a.sum()2.5718191614547998
>>>a.min()0.1862602113776709
>>>a.max()0.6852195003967595
默认情况下,这些操作适用于数组,就像它是一个数字列表一样,无论其形状如何。但是,通过指定axis参数,您可以沿数组的指定轴应用操作:
>>> b = np.arange(12).reshape(3,4)>>>b
array([[ 0,1, 2, 3],
[4, 5, 6, 7],
[8, 9, 10, 11]])>>>
>>> b.sum(axis=0) #列的总和
array([12, 15, 18, 21])>>>
>>> b.min(axis=1) #行的总和
array([0, 4, 8])>>>
>>> b.cumsum(axis=1) #cumulative sum along each row
array([[ 0, 1, 3, 6],
[4, 9, 15, 22],
[8, 17, 27, 38]])