1 一。 數組要比列表效率高很多 2 numpy高效的處理數據，提供數組的支持，python默認沒有數組。pandas、scipy、matplotlib都依賴numpy。 3 pandas主要用於數據挖掘，探索，分析 4 maiplotlib用於作圖，可視化 5 scipy進行數值計算，如：積分，傅里葉變換，微積分 6 statsmodels用於統計分析 7 Gensim用於文本挖掘 8 sklearn機器學習， keras深度學習 9 二。 10 numpy和mkl 下載安裝 11 pandas和maiplotlib網絡安裝 12 scipy 下載安裝 13 statsmodels和Gensim網絡安裝 14 三numpy的操作。 15 import numpy 16 # 創建數一維數組組 17 # numpy.array([元素1,元素2，......元素n]) 18 x = numpy.array(['a', '9', '8', '1']) 19 # 創建二維數組格式 20 # numpy.array([[元素1,元素2，......元素n],[元素1,元素2，......元素n],[元素1,元素2，......元素n]]) 21 y = numpy.array([[3,5,7],[9,2,6],[5,3,0]]) 22 # 排序 23 x.sort() 24 y.sort() 25 # 取最大值 26 y1 = y.max() 27 # 取最小值 28 y2 = y.main() 29 # 切片 30 四pandas的操作。 31 import pandas as pda 32 # 使用pandas生成數據 33 # Series代表某一串數據 index指定行索引名稱，Series索引默認從零開始 34 # DataFrame代表行列整合出來的數據框,columns 指定列名 35 a = pda.Series([8, 9, 2, 1], index=['one', 'two', 'three', 'four']) 36 # 以列表的格式創建數據框 37 b = pda.DataFrame([[5,6,2,3],[3,5,1,4],[7,9,3,5]], columns=['one', 'two', 'three', 'four'],index=['one', 'two', 'three']) 38 # 以字典的格式創建數據框 39 c = pda.DataFrame({ 40 'one':4, # 會自動補全 41 'two':[6,2,3], 42 'three':list(str(982)) 43 }) 44 # b.head(行數)# 默認取前5行頭 45 # b.tail(行數)# 默認取后5行尾 46 # b.describe() 統計數據的情況 count mean std min 25% max 47 e = b.head() 48 f = b.describe() 49 # 數據的轉置,及行變成列，列變成行 50 g = b.T 51 五python數據的導入 52 import pandas as pad 53 f = open('d:/大.csv','rb') 54 # 導入csv 55 a = pad.read_csv(f, encoding='python') 56 # 顯示多少行多少列 57 a.shape() 58 a.values[0][2] #第一行第三列 59 # 描述csv數據 60 b = a.describe() 61 # 排序 62 c = a.sort_values() 63 # 導入excel 64 d = pad.read_excel('d:/大.xls') 65 print(d) 66 print(d.describe()) 67 # 導入mysql 68 import pymysql 69 conn = pymysql.connect(host='localhost', user='root', passwd='root', db='') 70 sql = 'select * from mydb' 71 e = pad.read_sql(sql, conn) 72 # 導入html表格數據 需要先安裝 html5lib和bs4 73 g = pad.read_html('https://book.douban.com/subject/30258976/?icn=index-editionrecommend') 74 # 導入文本數據 75 h = pad.read_table('d:/lianjie.txt','rb', engine='python') 76 print(h.describe()) 77 六matplotlib的使用 78 # 折線圖/散點圖用plot 79 # 直方圖用hist 80 import matplotlib.pylab as pyl 81 import numpy as npy 82 x = [1,2,4,6,8,9] 83 y = [5,6,7,8,9,0] 84 pyl.plot(x, y) #plot(x軸數據，y軸數據，展現形式) 85 # o散點圖,默認是直線 c cyan青色 r red紅色 m magente品紅色 g green綠色 b blue藍色 y yellow黃色 w white白色 86 # -直線 --虛線 -. -.形式 :細小虛線 87 # s方形 h六角形 *星星 + 加號 x x形式 d菱形 p五角星 88 pyl.plot(x, y, 'D') 89 pyl.title('name') #名稱 90 pyl.xlabel('xname') #x軸名稱 91 pyl.ylabel('yname') #y軸名稱 92 pyl.xlim(0,20) #設置x軸的范圍 93 pyl.ylim(2,22) #設置y軸的范圍 94 pyl.show() 95 # 隨機數的生成 96 data = npy.random.random_integers(1,20,100) #(最小值，最大值，個數) 97 # 生成具有正態分布的隨機數 98 data2 = npy.random.normal(10.0, 1.0, 10000) #(均值，西格瑪，個數) 99 # 直方圖hist 100 pyl.hist(data) 101 pyl.hist(data2) 102 # 設置直方圖的上限下限 103 sty = npy.arange(2,20,2) #步長也表示直方圖的寬度 104 pyl.hist(data, sty, histtype='stepfilled') # 去除輪廓 105 # 子圖的繪制和使用 106 pyl.subplot(2, 2, 2) # (行，列，當前區域) 107 x1 = [2,3,5,8,6,7] 108 y1 = [2,3,5,9,6,7] 109 pyl.plot(x1, y1) 110 pyl.subplot(2, 2, 1) # (行，列，當前區域) 111 x1 = [2,3,5,9,6,7] 112 y1 = [2,3,5,9,6,7] 113 pyl.plot(x1, y1) 114 pyl.subplot(2, 1, 2) # (行，列，當前區域) 115 x1 = [2,3,5,9,6,7] 116 y1 = [2,3,9,5,6,7] 117 pyl.plot(x1, y1) 118 pyl.show()
另外安利一個學習教程：Python3數據科學入門與實戰（視頻+源碼）
分享一個好的IT資源平台：點擊進入