numpy&pandas&matplotlib学习笔记

1、Numpy

arange

作用：Numpy 中 arange() 主要是用于生成数组
语法：numpy.arange(start, stop, step, dtype = None)
注：包括开始但不包括停止的区间，默认步长为1 ，返回的是narray

matrix

作用：将数组转换为矩阵，注意矩阵和数组在一些使用上的不同
语法：np.matrix(narray)

multiply 与 *

在矩阵中 
multiply表示的是对应元素相乘
* 表示的是矩阵运算
在数组中
multiply表示的是对应元素相乘
* 表示的是对应元素相乘

sum

作用：假设数组 （m，n）

• 无参时，全部相加
• axis=0，每一列自己的相加，返回的是一个（１，n）数组，注意和shape的0、1不太一样
• axis=1，每一行自己相加，返回的是一个 （１，m）数组

max/min

无参时，返回数组中最大/小值
axis=0时，返回每一列中最大/小值
axis=1时，返回每一行中最大/小值

argmax/argmin

无参时，返回数组中最大/小值位置
axis=0时，返回每一列中最大/小值位置
axis=1时，返回每一行中最大/小值位置

ravel

作用：将多维数组转换为一维数组的功能
语法：array.ravel()

shape

array/matrix . shape[0]返回行
array/matrix . shape[1]返回列

#测试shape在数组和矩阵中区别
data['X'].shape[0]#5000  ,在数组中返回行
X_Matrix = np.matrix(data['X'])
X_Matrix.shape[0]#5000 也是返回行

zeros

作用：生成一个指定形状的元素全为0的数组
语法：zeros(shape, dtype)
zeros((3,4))生成一个3行4列的0数组

insert

作用：在指定列和行插入一行或者一列数组
用法：np.insert(指定数组, 位置 ，values=插入的数组， axis = 0/1)
测试在指定行/列插入多维数组
1)当X是（10 ，5）的数组时，若要在首列插入两列零数组x0时。

x0 = np.zeros( (2 , 10) )
X1 = np.insert( X , 0 , values=x0 , axis = 1)

2)当X是（10 ，5）的数组时，若要在首行插入两列零数组x0时。

x0 = np.zeros( (2 , 5) )
X1 = np.insert( X , 0 , values=x0 , axis = 1)

可以看出来，x0的列数与指定数组的行列有关

2、Pandas

read_csv

insert

iloc

作用：提取指定的行或者列的数据
语法：df.iloc[ : , 0:cols-1 ]#提取 所有行的 [0 ,cols-1)列的数据

isin

作用：返回含有指定条件的dataframe
语法：
　　　data [ data [‘Admitted’].isin([1])]
　　　注：返回‘Admitted’列中数值为1的DataFrame，不是Admitted这一列，而是这一列数值为1的样本

Dataframe和Array的相互转化

DataFrame是Pandas的两大数据结构之一（另一个是Series），array是Numpy中的数据结构
语法：

• DataFrame转array的方式：
  　　array = df.values
• array转DataFrame的方式：
  　　df = pd.Dataframe(array)

3、Matplotlib

subplot

作用：创建单个子图，subplot可以规划figure划分为n个子图，但每条subplot命令只会创建一个子图
语法：subplot(nrows,ncols,sharex,sharey,subplot_kw,** fig_kw)

import numpy as np  
import matplotlib.pyplot as plt  
x = np.arange(0, 100)  
#作图1
plt.subplot(221)  
plt.plot(x, x)  
#作图2
plt.subplot(222)  
plt.plot(x, -x)  
 #作图3
plt.subplot(223)  
plt.plot(x, x ** 2)  
plt.grid(color='r', linestyle='--', linewidth=1,alpha=0.3)
#作图4
plt.subplot(224)  
plt.plot(x, np.log(x))  
plt.show()  

测试：

x = np.arange(0, 100)  
#作图1
plt.subplot(221)  
plt.subplot(222)  
plt.plot(x, x)  
plt.plot(x, -x)  

subplots

作用：创建多个子图
语法：与subplot类似

fig,axes=plt.subplots(2,2)
ax1=axes[0,0]#图上位置就是数组一样
ax2=axes[0,1]
ax3=axes[1,0]
ax4=axes[1,1]
ax1.plot(x, x)  

figure

作用：创建图形
语法：figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

• num:图像编号或名称，数字为编号 ，字符串为名称 List item
• figsize:指定figure的宽和高，单位为英寸；
• dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80
• facecolor:背景颜色
• edgecolor:边框颜色
• frameon:是否显示边框

plot

作用：画折线图
语法：

scatter

作用：画散点
语法：plt.scatter(x , y s ,c ,marker)

• x、y—输入array和dataframe类型都可以（测试过）
• s–点的大小，默认就可以
• c–点的颜色
• marker–点的形状
  其他参数暂时没有用到

legend

set_xlabel/ylabel

show

4、scipy.optimize

fmin_tnc()

在用python实现逻辑回归和线性回归时，使用梯度下降法最小化cost function，用到了fmin_tnc()和minimize()。
调用：

scipy.optimize.fmin_tnc(func, x0, fprime=None, args=()...)

最常使用的参数：
func：优化的目标函数
x0：初值
fprime：提供优化函数func的梯度函数
args：元组，是传递给优化函数的参数

返回：	x nfeval rc
x ： 数组，返回的优化问题目标值，通过result[0]取出