python数据分析基础 阮敬_Python 数据分析基础

一、Python环境配置

因为自己的电脑已经有Python的环境了，所以无法一步一步详细的介绍Python的安装步骤，简单介绍下需要安装的东西：

⒈ Python安装

既然叫做用Python进行数据分析，那么安装Python是必不可少的，要记住，Python是你向计算机发号施令的语言（像英语一样，是你和计算机交流的一种语言，其他编程语言都是这个意思）。

根据自己电脑的操作系统，选择对应的版本安装即可。

⒉ 集成开发环境(IDE，Integrated Development Environment)

注意IDE是建立在安装了编程语言之上的一个工具。

IDE是一种个编程软件，是集成了程序员语言开发中会需要的一些基本工具、基本环境和其他辅助功能的应用软件。IDE一般包含三个主要组件：源代码编辑器（Editor）、编译器、解释器（Compiler、Interpreter）和调试器（Debugger）。

目前IDE很多，选择适合自己的就好。

【软件开发人员版】

总之就是感觉功能很丰富。

【数据分析人员版】

为了方便，可以使用Jupyter Notebook，一种类似于记事本的IDE。安装方法：https://jupyter.org/install 。

Jupyter有个好处是，你可以把它安装在服务器上，走到哪里都可以通过浏览器打开。

二、Python语言的基础

像学英语一样，每个语言有自己的词汇、语法，Python也不例外。这块基础知识可以参照廖雪峰老师的教程，从一个程序员的角度来看，还是很不错的。Python教程

三、Pandas学习

⒈ Pandas 安装

Pandas官网，具体的安装方法可以参考下，实际需要参照你的IDE环境来选择安装方式。

⒉ Pandas 学习

Pandas常用的数据结构有两种：Series和DataFrame。这些数据结构都是构建早Numpy数组之上的。

真的感觉很详细。

3.实践

# coding = utf-8

import numpy as np

import stats as sts

#随机生成10个0-100的整数

data = np.random.randint(100, size=10)

print("原始数据：",data)

#排序

print("排序后数据：",np.sort(data, axis=0))

#众数

counts = np.bincount(data)

modenum = np.argmax(counts)

print("众数：",modenum)

#中位数

print("中位数：",np.median(data))

#算术平均数

print("算术平均数：",np.mean(data))

#25%分位数和75%分位数

print("25%分位数和75%分位数：",np.percentile(data, 25), np.percentile(data,75))

#极差

print("极差：",np.ptp(data))

#加权平均数

weights = np.random.randint(10, size=10)

print("权重：",weights)

print("加权平均数：",np.average(data, weights=weights))

#几何平均数

production = 1

for i in data:

production *= i

print("几何平均数：",production**(1/10))

#方差

print("方差：",np.var(data))

#标准差

print("标准差：",np.std(data))

#平均差

avgd = 0

for i in data:

avgd += abs(i - np.mean(data))

print("平均差：",avgd/10)

#四分位差

print("四分位差：",np.percentile(data, 75) - np.percentile(data, 25))

#异众比率

count = 0

for i in data:

if i != modenum:

count += 1

print("异众比率：",count/10)

#离散系数

print("离散系数：",np.std(data)/np.mean(data))

#偏态系数

print("偏态系数：",sts.skewness(data))

#峰态系数

print("峰态系数：",sts.kurtosis(data))