Python数据分析与展示_Numpy_Matplotlib_Pandas

已于 2023-03-05 23:08:46 修改
阅读量399 收藏 4
点赞数
分类专栏： 笔记 文章标签： python 数据分析 numpy
于 2023-03-05 21:53:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_42740465/article/details/129351103
版权
该文详细介绍了Python进行数据分析的基础，包括使用AnacondaIDE，掌握NumPy库进行数据处理，如数组对象ndarray，以及数据的存取和函数。此外，还涵盖了Matplotlib库的入门，如plot函数和基础图表绘制，以及Pandas库的Series和DataFrame类型，用于数据特征分析。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、 Python数据分析与展示

掌握表示、清洗、统计和展示数据的能力

在这里插入图片描述

主题思想

与一组数据相关的那些事儿：如何理解一组数据表达的含义
在这里插入图片描述

摘要：有损地提取数据特征的过程

在这里插入图片描述

内容组织

  • 全课程包括：8个内容单元，共12个单元
  • 全课程总长4周，每周3个单元
  • 每周包含一个实战型实例

编辑工具

  • 使用Anaconda IDE集成开发工具
  • 需要理解和掌握如下工具的使用：
    • conda
    • Spyder
    • IPython

实例

  • 实例1：图像的手绘效果

  • 实例2：引力波的绘制

  • 实例3：房价趋势的关联因素分析

  • 实例4：股票数据的趋势分析曲线

  • 坐标系的绘制

  • 饼图的绘制

  • 直方图的绘制

  • 极坐标图的绘制

  • 散点图的绘制

二、Anaconda IDE 的基本使用

Anaconda

https://www.anaconda.com/
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

包管理和环境管理工具：conda

conda: 一个工具，用于包管理和环境管理，其中：
包管理与pip类似，管理Python第三方库
环境管理能够允许用户使用不同版本Python，并能灵活切换

anaconda：一个集合，包括conda、某版本Python、一批第三方库等

conda将工具、第三方库、Python版本、conda都当作包，同等对待

Win平台: cmd，执行 conda ‐‐version 获取conda版本
执行 conda update conda 升级conda
在这里插入图片描述
在这里插入图片描述

编程工具:Spyder

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

交互式编程环境：IPython

在这里插入图片描述
在这里插入图片描述

%run的命令
在这里插入图片描述
%魔术命令
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三、NumPy库入门

在这里插入图片描述

数据的维度

从一个数据到一组数据

在这里插入图片描述

维度：一组数据的组织形式

在这里插入图片描述

一维数据

一维数据由对等关系的有序或无序数据构成，采用线性方式组织
在这里插入图片描述

对应列表、数组和集合等概念

列表和数组

一组数据的有序结构

区别
列表：数据类型可以不同
在这里插入图片描述

数组：数据类型相同

在这里插入图片描述

二维数据

二维数据由多个一维数据构成，是一维数据的组合形式

表格是典型的二维数据

其中，表头是二维数据的一部分

在这里插入图片描述

多维数据

多维数据由一维或二维数据在新维度上扩展形成

在这里插入图片描述

高维数据

高维数据仅利用最基本的二元关系展示数据间的复杂结构
在这里插入图片描述

数据维度的Python表示

数据维度是数据的组织形式

在这里插入图片描述

数据维度的Python表示

数据维度是数据的组织形式

在这里插入图片描述

NumPy的数组对象：ndarray

NumPy

NumPy是一个开源的Python科学计算基础库，包含：

  • 一个强大的N维数组对象 ndarray

  • 广播功能函数

  • 整合C/C++/Fortran代码的工具

  • 线性代数、傅里叶变换、随机数生成等功能

NumPy是SciPy、Pandas等数据处理或科学计算库的基础

NumPy的引用

在这里插入图片描述

N维数组对象：ndarray

在这里插入图片描述

在这里插入图片描述

ndarray是一个多维数组对象，由两部分构成：

  • 实际的数据
  • 描述这些数据的元数据（数据维度、数据类型等）

ndarray数组一般要求所有元素类型相同（同质），数组下标从
0开始

ndarray实例

在这里插入图片描述

ndarray对象的属性

在这里插入图片描述

ndarray实例

在这里插入图片描述

ndarray数组的元素类型

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
ndarray为什么要支持这么多种元素类型？
对比：Python语法仅支持整数、浮点数和复数3种类型

  • 科学计算涉及数据较多，对存储和性能都有较高要求
  • 对元素类型精细定义，有助于NumPy合理使用存储空间并优化性能
  • 对元素类型精细定义，有助于程序员对程序规模有合理评估

非同质的ndarray对象

在这里插入图片描述

ndarray数组的创建

ndarray数组的创建方法

  • 从Python中的列表、元组等类型创建ndarray数组
  • 使用NumPy中函数创建ndarray数组，如：arange, ones, zeros 等
  • 从字节流（raw bytes）中创建ndarray数组
  • 从文件中读取特定格式，创建ndarray数组
    在这里插入图片描述

（1）从Python中的列表、元组等类型创建ndarray数组
在这里插入图片描述

2）使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等

在这里插入图片描述
在这里插入图片描述

2）使用NumPy中函数创建ndarray数组，如：arange, ones, zeros
在这里插入图片描述

3）使用NumPy中其他函数创建ndarray数组
在这里插入图片描述
在这里插入图片描述

ndarray数组的变换

在这里插入图片描述

ndarray数组的维度变换

在这里插入图片描述

a = np.ones((2,3,4), dtype=np.int32)

在这里插入图片描述

a = np.ones((2,3,4), dtype=np.int32)
在这里插入图片描述
ndarray数组的维度变换

a = np.ones((2,3,4), dtype=np.int32)
在这里插入图片描述
ndarray数组的类型变换
new_a = a.astype(

最低0.47元/天 解锁文章
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值