1、pandas介绍
什么是pandas
● pandas是python分析结构化数据的工具集。
● 基础是numpy:高性能矩阵运算
● 图形库是matplotlib:提供数据可视化
pandas能做什么
● 结构化数据分析
2、ipython开发环境搭建
python的命令行与ipython命令行的区别
● 显示的数据可读性更强
● 命令补全
● shell命令
大部分直接可工作cd,Is,pwd
少部分前面可加!号 !rename
● 内省:类或变量加问号
● 魔术命令
%run命令
%timeit命令
%quickref显示快速参考文档
%magic显示魔术命令列表和文档
import numpy as np
from numpy.random import randn
d={i:randn() for i in range(8)}
d
np.ran
np.random.
np.random.ran
np.random.randn?
help(np.random.randn) 与上条一样
pwd
cd…
Is
%run hello.py
more hello.py
a=np.random.randn(100,100)
a
–相乘
%timeit a.dot(a)
%quickref
%magic
ipython notebook
● 在web上进行探索性编程,内联图片显示
● 启动
ipython nptebook
● 特点
web上的ipython
显示内联图片
到处数据和分析过程
x=np.linspace(0,2*np.pi,num=100)
x
y=np.sin(x)
y
plt.plot(x,y)
3、numpy简介
● 高性能–科学计算和数据分析的基础包,是所有高级数据分析工具的构建基础
● 面向数组的思维模式
import numpy as np
data=np.array([1,3,4,8])
print(data)
data.shape
data.dtype
data[1] 从0开始算
data[1]=9
data=np.array([[1,2,3],[4,5,6]]) 创建二维数据
data.shape
np.arange(10)
np.arange(5,15)
data=np.range(10)
data.reshape(2,5)
data2=data.reshape(2,5)
data[4]=0
data
data2 会改变
np.zeros((2,2))
np.ones((2,3,3)) 三维数据
np.eye(4)
np.arange(16).reshape(4,4)
data=np.arange(100,step=10)
data
data[2]
data[2:5]
data[:3]
data[5:]
data=np.arange(16).reshape(4,4)
data
data[1]
data[1:3]
data[:,2:4]
data[1:3,2:4]
data[[1,3],[2,3]]
print data[1,2],data[3,3]
data>10
data[idx]
data[data>10]
data[data%2=0]
x=np.arange(1,5).reshape(2,2)
y=np.arange(5,9).reshape(2,2)
x+y
np.add(x,y)
x-y
xy 元素相乘(非矩阵内积)
x.dot(y)
x=np.array(x,dtype=floot)
y=np.array(y,dtype=floot)
x/y
np.sqrt(x) 平方根
x.T
np.linspace(1,10)
np.linspace(1,10,nun=200)
x=np.linspace(0,2np.pi,num=50)