python数据分析心得体会_python数据分析可视化学习记录-总述及numpy

现在已经大二了，马上要大三了，之前浑浑噩噩过了快两年。在不知名财经院校上着非学校强项的计算机专业，也尝试学了很多东西，但是缺乏整理，这两天也尝试了在主流的CSDN上做一些记录。当然做这些记录也不是为了给别人看的，更多是希望自己可以时不时的回顾一下自己的学习内容或者心得体会。如果某一天成功的从事了相关工作，这也算是一份回忆吧。但是别的平台我实在不经常打开，也不习惯，b站里的人都很有趣，讲话又好听，我超喜欢这里，就发在这里，每次看番之前能在自己的专栏里回顾一下，就心满意足了。

相关标准库和扩展库

（1）numpy：科学计算包，支持N维数组运算、处理大型矩阵、成熟的广播函数库、矢量运算、线性代数、傅里叶变换、随机数生成，并可与C++/Fortran语言无缝结合。树莓派Python v3默认安装已经包含了numpy。

（2）scipy:scipy依赖于numpy，提供了更多的数学工具，包括矩阵运算、线性方程组求解、积分、优化、插值、信号处理、图像处理、统计等等。

（3）matplotib：matplotib模块依赖于numpy模块和tkinter模块，可以绘制多种形式的图形，包括线图、直方图、饼状图、散点图、误差线图等等，图形质量可满足出版要求，是数据可视化的重要工具。

（4）pandas：pandas（Python Data Analysis Library）是基于numpy的数据分析模块，提供了大量标准数据模型和高效操作大型数据集所需要的工具，可以说pandas是使得Python能够成为高效且强大的数据分析环境的重要因素之一。

以上就是接下来这四天所要总结的基础知识，日后还会不断随着学习的进度更新总结，以方便自己回顾。numpy

NumPy 的多维数组对象 array 是一个快速、灵活的大数据集容器。用户可以利用这种数组对象对整块数据进行数学运算,其运算跟标量元素之间的运算一样。创建 array 数组最简单的办法就是使用 array ()函数。它接受一切序列型的对象(包括其他数组),然后产生一个新的、含有传入数据的 NumPy 数组。

(1)库的导入有使用习惯：习惯用import numpy as np导入（按照python社区习惯导入）

(2)主要用途：主要可以用来生成数组，改变数组元素值，测试比较数组，数组与数组之间的运算，生成矩阵，并且完成与矩阵有关的运算和操作，也可以完成随机数（数组ÿ