PythonAdvance+output_script

Numpy

1.为什么用NumPy?

虽然Python可以利用list实现数组的功能，但随着数据量的增大速度太慢，也就是说Python并没有提供真正的数组功能。NumPy提供了真正的 数组功能以及对数组的快速运算的函数。NumPy的很多内置函数的处理数据速度都是C语言级别的，所以尽量使用内置函数。对数组操作就不用写循环而是批量操作了。

2.Numpy是什么样的？

其对象是ndarray类型的即N维数组类型。其中的元素必须是相同类型。ndarray的两个属性dtype指ndarray同意的数据类型 另一个shape表示数组各维度的大小。

3.ndarray该如何创建？

1)最简单的方法是通过np.array()函数来创建。将一个Python列表数据转化为数组。

2)如果创建一些特殊的数组可以通过np.zeros(), np.ones(), np.empty()来创建。

需要注意：tips1：np.empty()得到的不是空值，而是随机的垃圾值。tips2：2)中几个特数函数的用法np.zeros(shape, dtype, order)

4.数组与标量之间的运算

1)两个大小相同的数组，任何运算都应用到元素级；

2)数组和标量进行运算，将标量和每个元素进行运算；

3)两个大小不同的数组进行运算，叫广播。这里要特别注意，两个大小不同的数组之间相乘应该用“@”这个运算符号，而不是“*”。

否则报错：

5.数组的数学和统计方法

sum, mean, std(标准差),max, min都可以有两种使用方法。argmin argmax分别为最小最大元素的索引

1)可以看作是NumPy对象的成员函数直接使用 e.g.arr.mean()

2)可以看作是NumPy的顶级函数来使用e.g. np.sum(arr)

tips：有一个维度参数axis

SciPy

1.为什么要用SciPy？

在Numpy中我们对两个矩阵求乘积，得到的是对应元素之间相乘的结果，不是真正意义上的矩阵乘法。SciPy提供给了真正的矩阵，以及大量基于矩阵运算的对象和函数。

2.如何变成SciPy对象？

使用scipy.mat()函数，括号里可以是ndarray/list类型的数据。得到的函数值是matrix类型的数据

3.SciPy对象都有哪些功能？

1）求矩阵的逆

2）求方阵行列式的值

3）求矩阵的模(矩阵的模等于每个元素平方加和开根号)

4）求矩阵的特征值和特征向量

5）矩阵的LU分解

 

Matplotlib

1.为什么要用Matplotlib？

Matplotlib是Python最著名的绘图库。主要用于二维绘图，用于数据的可视化.这两天去处理了一下plt.show()不能显示图像的问题。原因在于linux没有GUI无法显示图像，于是我跑到Windows环境下继续学习了。

Pandas

1.为什么要用Pandas？

它基于NumPy，既有强大的数组处理能力，又有电子表格以及关系型数据库(SQL)的强大数据处理能力;

提供了复杂精细的索引能力，以便更为便捷地完成重塑、切片和切块等操作；

用的最多的Pandas对象是DataFrame，是一个面向列的二维表结构，含有行标和列标;

Pandas可以灵活地处理数据缺失问题，合并及其他出现在常见数据库中的关系型运算。

2.Pandas的用法

其常用的数据结构是Series(序列、一维数组)和DataFrame(二维表格，每一列是一个Series)