数据分析与挖掘中常用Python库的介绍与实践案例

                                                              数据分析与挖掘中常用Python库的介绍与实践案例

一、Python介绍

       现在python一词对我们来说并不陌生，尤其是在学术圈，它的影响力远超其它任何一种编程语言， 作为一门简单易学且功能强大的编程语言，它拥有丰富的第三方库，在许多方面都有着广泛的应用，如网站开发、游戏开发、网络爬虫、数据分析、机器学习等。 (更多内容，可参阅程序员在旅途)
       在数据分析方面，python拥有Numpy、SciPy、Pandas、Matplotlib等功能强大的模块可供使用。随着这些模块的逐步完善，python在科学领域的地位越来越重要，这其中包括科学计算、数学建模、数据挖掘等。因此，掌握这些模块的基本使用方法至关重要，下面就逐一介绍下。

二、常用库的使用示例

     2.1 NumPy 库：
     NumPy(官网)提供了N维数组功能以及对数据进行快速处理的能力，弥补了Python本身没有提供数组功能的缺陷。其提供了两种基本的对象：ndarray和ufunc。ndarray是存储单一数据类型的多维数组，而ufunc是能够对数组进行处理的函数（ufunc（通用函数）是一种对ndarray中的数据执行元素级运算的函数）。它也是SciPy、Pandas、Matplotlib的基础依赖库。
     ndarray：N维数组对象（矩阵），所有元素数据类型必须是相同的。
     ndarray属性：ndim属性，表示维度的个数；shape属性，表示各维度得大小；dtype属性，表示数据类型。
     创建ndarray数组的函数如下图：

   代码示例：

import numpy as np

# 一维数组示例
a = np.array([3, 2, 1, 6, 5])
print('数组a: ', a)  # 数组a:  [3 2 1 6 5]
print(a[:3])  # [3 2 1]
print(a[2:])  # [1 6 5]
print('ufunc函数使用示例，求平方: ', np.square(a))  # ufunc函数使用