Python数据分析-基础篇

1.数据科学领域5个常用Python库

Numpy

• N维数组（矩阵），快速高效，矢量数学运算
• 高效的index，不需要循环
• 开源免费跨平台，运行效率足以和C/Matlab媲美

Scipy

• 依赖于Numpy
• 专为科学和工程设计
• 实现了多种常用科学计算，如：线性代数，傅里叶变换，信号和图像处理

Pandas

• 结构化数据分析利器（依赖Numpy）
• 提供了多种高级数据结构：Time-Series，DataFrame，Panel
• 强大的数据索引和处理能力

Matplotlib

• Python 2D绘图领域使用最广泛的套件
• 基本能取代Matlab的绘图功能（散点图，曲线图，柱形图等）
• 通过mplot3D可以绘制精美的3D图

​​​​​​​

Scikit-Learn

• 机器学习的Python模块
• 建立在scipy之上，提供了常用的机器算法：聚类，回归
• 简单易学的API接口
• 

2.数学基础回顾之矩阵运算

基本概念

• 矩阵：矩阵的数组，即二维数组。其中向量和标量都是矩阵的特例。
• 向量：是指1xn或者nx1的矩阵
• 标量：1x1的矩阵
• 数组：N维的数组，是矩阵的延伸

特殊矩阵

• 全0全1矩阵：数值都是0或者1
• 单位矩阵：对角相乘等于对角，任何矩阵和单位矩阵相乘都等于原矩阵，nxn。

​​​​​​​

矩阵加减运算

• 相加，减的两个矩阵必须要有相同的列和行。
• 列和行对应的元素相加减。

数组的乘法（点乘）

• 数组乘法（点乘）是对应元素之间的乘法