使用Python 探索和分析数据：入门的入门

在几十年的开源开发后，Python 通过强大的统计和数值库提供丰富的功能：

• NumPy 和 Pandas 简化了数据分析和操作
• Matplotlib 提供引人注目的数据可视化效果
• Scikit-learn 提供简单有效的预测性数据分析
• TensorFlow 和 PyTorch 提供机器学习和深度学习功能

利用 NumPy 和 Pandas 浏览数据

数据科学家可以使用各种工具和技术来浏览、直观呈现和操作数据。 数据科学家处理数据最常用的方法之一是使用 Python 语言和一些特定的数据处理包。

什么是 NumPy

NumPy 是一个 Python 库，提供与 MATLAB 和 R 等数学工具相当的功能。尽管 NumPy 大大简化了用户体验，但它还提供了全面的数学函数。

什么是 Pandas

Pandas 是一个极其热门的 Python 库，用于数据分析和操作。 Pandas 对于 Python 而言就像 excel，提供适用于数据表的易于使用的功能。

探索 Jupyter 笔记本中的数据

Jupyter Notebook 是使用 Web 浏览器运行基本脚本的一种常用方式。 通常，这些笔记本都是单个网页，分解为在服务器上（而不是本地计算机）上执行的文本部分和代码部分。 这意味着你可以快速开始，而无需安装 Python 或其他工具。

测试假设

数据探索和分析通常是一个迭代过程，数据科学家在其中进行数据采样，并执行以下任务来分析数据和检验假设：

• 清理数据以处理错误、缺失值和其他问题。
• 应用统计技术来更好地理解数据，更好地了解样本如何预期地代表真实世界的总体数据（允许随机变化）。
• 直观呈现数据来确定变量之间的关系，在机器学习项目中，识别可能预测标签的特征。
• 修正假设并重复这个过程。

使用NumPy探索数据数组

让我们先看一些简单的数据。

假设一所大学收集了一门数据科学课程的学生成绩样本。

data = [50,50,47,97,49,3,53,42,26,74,82,62,37,15,70,27,36,35,48,52,63,64]
print(data)

数据已加载到Python列表结构中，这是用于一般数据操作的良好数据类型，但对于数值分析没有进行优化。为此，我们将使用NumPy包，它包括在Python中使用Numbers的特定数据类型和函数。

import numpy as np
grades = np.array(data)
print(grades)