python部分引入total值的问题_Python数据分析基础与过程综述，关键数据预处理异常点的发现与处理,python,及,流程,回顾,重点,之,值...

一、 python数据分析基础库的导入

基本是固定搭配

import numpy as np #科学计算基础库，多维数组对象ndarray

import pandas as pd #数据处理库，DataFrame(二维数组)

import matplotlib as mpl #画图基础库

import matplotlib.pyplot as plt #最常用的绘图库

mpl.rcParams["font.family"]="SimHei" #使用支持的黑体中文字体

mpl.rcParams["axes.unicode_minus"]=False # 用来正常显示负号 "-"

plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签

# % matplotlib inline #jupyter中用于直接嵌入图表，不用plt.show()

import warnings

warnings.filterwarnings("ignore") #用于排除警告

#用于显示使用库的版本

print("numpy_" + np.__version__)

print("pandas_" + pd.__version__)

print("matplotlib_"+ mpl.__version__)

numpy_1.17.4

pandas_0.23.4

matplotlib_2.2.3

二、基础回顾

基本使用简单描述统计1

统计：

sum, mean, std, var,

min, max, argmin, argmax

cumsum, cumprod

排序相关

sort(axis)、

unique( )

随机数生成

from numpy.random import **

numpy.random

简单的随机数据

rand(d0, d1, …, dn),

randn(d0, d1, …, dn)

sigma * np.random.randn(…) + mu

randint(low[, high, size])

random_integers(low[, high, size])

choice(a[, size, replace, p])

排列

shuffle(x) #洗牌

permutation(x) #转置

changes=pd.DataFrame(np.random.normal(loc=0.001,scale=np.sqrt(0.005),size=(100,100)))

#np.random.normal(loc=期望值,scale=标准差，size=(行个数,列个数))，

#生成期望为0.001，方差为0.005(标准差sqrt(0.005))的服从正态分布的100 rows × 100 columns个数，然后放入二维表中

#print(changes.head()) #获取前5行

display(changes.loc[:3,:3]) #切片获取前4行，前4列

#changes.plot() 简单的化一个折线图

returns = changes.cumsum(axis=0) #cumsum(0)表示按照行进行累加

display(returns.loc[97:100,:3])

#returns.plot()简单的化一个折线图

print(returns.loc[99,].mean())#计算最后一行的均值

print(returns.loc[99,].std()) #计算最后一行的标准差

print(returns.loc[99,].var()) #计算最后一行的方差