数据挖掘【1】

由于学习课程要求完成的大作业，最近在接触基于python的机器学习以及深度学习框架，大作业是一个大数据分析类题目，由于以前没有这方面经历，因此准备花1周的时间专门学习这方面知识并完成大作业。

数据挖掘

1. 图表绘制

1.1 Matplotlib 三层结构

# 快速入门
import matplotlib.pyplot as plt
%matplotlib inline

plt.figure()
plt.plot([1,0,9],[1,4.5,9])
plt.show()

• 画板层（Canvas）

  • 画布层（Figure）：plt.figure()
  • 创建多个绘图区/坐标系axes:plt.subplots axis 轴

• 辅助显示层
  辅助显示层为Axes（绘图区）内的除了根据数据绘制出的图像之外的内容，主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容

• 图像层
  图像层指Axes内通过plot、scatter、bar、histogram、pie等函数根据数据绘制出的图像

• 总结

  • Canvas(画板) 位于最底层，用户一般接触不到
  • Figure(画布) 建立在Canvas之上
  • Axes(绘图区) 建立在Figure之上
  • 坐标轴(axis)、图例(legend)等辅助显示层以及图像层都是建立在Axes之上

  图像属性设置

  • 设置画布属性与图片保存

    plt.figure(figsize(),dpi=)
        figsize:  # 指定图的长度
        dpi:      # 图像清晰度
    plt.savefig(path) # 图像保存
    '''
    注意，当plt.show使用的时候，其会自动释放plt所有资源，因此所有操作应该在show操作之前
    '''
    

• x、y刻度值设置

# 设置x轴刻度
plt.xticks(x,**kwargs)
# x：要显示的刻度值
# 设置y轴刻度
plt.yticks(y,**kwargs)
# y：要显示的刻度值

'''
@当使用plot的方法的时候，设置刻度值的方法为plt.set_xticks
@若要使刻度值获得一定的标签，则使用plt.set_xticklabels
'''

• 添加网格显示
  为了更清楚地观察图形对应的值
  plt.grid(True,linestyle='---',alpha=0.5)
grid(网格线)\linestyle(线条风格)\alpha(透明度)

• 添加描述信息
  添加x轴、y轴描述信息及标题
x\y\tiele对应关系如下代码所示

  plt.xlabel("时间")
  plt.ylabel("温度")
  plt.tittle("标题")
  

1.2 散点图(scatter)

我们前面已经学过了散点图plot

• 散点图的绘制

2. Numpy

• ndarray常用属性

属性名字	属性解释
ndarray.shape	数组维度的元组
ndarray.ndim	数组维度
ndarray.size	数组中的元素数量
ndarray.itemsize	一个数组元素的长度（字节）
ndarray.dtype	数组元素的类型

• 生成数组的方法

  • 生成0和1的数组

    ​```
    shape为数组形状
    若一维可表示为(4,)
    二维可表示为(3,2)
    三维可表示为(2,3,3)
    ​```
    np.zeros(shape)
    np.ones(shape)
    

  • 从现有数组生成

    # 深拷贝
    np.array()、np.copy()
    # 浅拷贝
    np.asarray()
    

  • 生成固定范围的数组

    np.linspace()
    np.arange()
    
    ​```
    解释：
    np.linspace(0,10,100)
    生成左右闭合的集合，[0,10] 等距离
    np.arange()
       arange(a,b,c)
    生成左闭右开的集合,[a,b) c是步长
    ​```
    

  • 生成随机数组

    #  均匀分布
    ​```
    代码表达：
    np.random.uniform(low=0.0,high=1.0,size=None)
    功能：从一个均匀分布[low,high]中随机采样，注意定义域是左闭右开，即包含low，不包含high.
    参数介绍：
    low：采样下界，float类型，默认值为0;
    high:采样上届，float类型，默认值为1;
    size:输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k),则输出mnk个样本，缺省时输出1个值。
    返回值：ndarray类型，其形状和参数size中描述一致。
    ​```
    #  正态分布
    ​```
    μ 期望值                            # 对应loc
    σ 波动程度、离散程度，其值为方差开方  # 对应scale
    代码表达：
    data = np.random.normal(loc=1.75,scale=2,size=100000)
    ​```
    

• 数组的索引、切片

  # 案例：随机生成8只股票2周的交易日涨幅数据
  stock_change = np.random.normal(loc=0,scale=1,size=(8,10))
  
  # 获取第一个股票的前3个交易日的涨跌幅数据
  stock_change[0,0:3]
  

• 形状修改

  # 需求：让刚才的股票行、日期列反过来，变成日期行、股票列
  ​```
  能实现需求的方法
  ndarray.reshape()  # 返回新的ndarrya，只修改形状比如将8行10列转成10行8列，并不会对数组进行转置
  ndarray.resize()   # 没有返回值，对原始的ndarray进行了修改
  ndarray.T          # 转置 行变成列，列变成行
  ​```
  

• 类型修改

• 数组的去重

• 小结