CV学习路线--个人阅读轨迹

学习AI过程的的阅读记录1 《利用Python进行数据分析·第2版》

1、数据分析学习

• 《利用Python进行数据分析·第2版》简书链接
  主要关注numpy和pandas的主要函数、方法，数据分析在AI中占重要位置
  ex: 布尔型索引，pandas 支持*"array[| !=| ~ ] <值> ,例如 （array“a”）| ~（array==“b”）*
  满足布尔型的结果直接赋值， array[arry<0]=0
  - 支持乱序选行 array[[3,2,1,5]] 选取array的3、2、1、5行
  - 花式索引跟切片不一样，它总是将数据复制到新数组中
  - tanspose的按轴转换
  
  

- 函数np.in1d用于测试一个数组中的值在另一个数组中的成员资格

numpy用于数据分析，pandas用于处理表格和混杂数据

pandas的简单介绍

pandas 两个主要数据结构：Series和DataFrame
Series：
Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成
索引在左边，值在右边。由于我们没有为数据指定索引，于是会自动创建一个0到N-1（N为数据的长度）的整数型索引。

# 默认是数字
In [15]: obj2 = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])

In [16]: obj2
Out[16]: 
d    4
b    7
a   -5
c    3
dtype: int64

In [17]: obj2.index
Out[17]: Index(['d', 'b', 'a', 'c'], dtype='object')

obj2[obj2>0]
Out[21]: 
d    6
b    7
c    3
dtype: int64

支持字典创建，索引创建

DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）。有关DataFrame内部的技术细节远远超出了本书所讨论的范围。
建DataFrame的办法有很多，最常用的一种是直接传入一个由等长列表或NumPy数组组成的字典
reindex 可以重建索引