Python数据分析与展示

学习选择

基础：先看的这个，Python数据分析与展示，北京理工大学，中国大学MOOC(慕课) (icourse163.org)

numpy

属性与方法

#原数组不变
new_a = a.astype(new_type)
#转list
ls = a.tolist()

#补充
b[(b>=60) & (b<=80)]
# 显示60~80间的数据, 此处用&, 不能用and
b[(b<60) | (b>90)]
# 显示<60  或 >90的数据,此处用|, 不能用or
b[~(b<60)]		
# ~非, 显示 >=60的数据)

b<70
np.where(b<70,b,0)

b.T() # 矩阵转置
b.I() # 矩阵的逆

• 随机数

• 统计函数

#梯度 np.gradient(f) #两侧/一侧、偏导
import numpy as np
c = np.random.randint(0,20,(3,4))
print(c)
c_grad = np.gradient(c)
print(c_grad)

"""
[[13  6  9 19]
 [ 4  4 16  4]
 [13  7  2  3]]
[array([[ -9. ,  -2. ,   7. , -15. ],
        [  0. ,   0.5,  -3.5,  -8. ],
        [  9. ,   3. , -14. ,  -1. ]]),
 array([[ -7. ,  -2. ,   6.5,  10. ],
        [  0. ,   6. ,   0. , -12. ],
        [ -6. ,  -5.5,  -2. ,   1. ]])]
"""

数据存取

• csv只能有效存储一维、二维数组

• 任意维度

#1.
#sep=''时，存取的是二进制文件
a.tofile("b.dat", sep=',', format='%d')
np.fromfile("b.dat", dtype=np.int, sep=',', count=-1)

#2.便携文件存储
#存取文件扩展名.npy/.npz
np.save(fname, array)
np.load(frame)

matplotlib

pandas