数据分析-numby属性

数据分析 @python挖掘者

什么是数据分析:

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用的信息形成结论，并对数据加以

详细研究和概括总结的过程.

使用python做数据分析的常用库

1 . numpy 处理基础数值算法

1. scipy 处理科学计算

2. matplotlib 实现数据可视化

3. pandas 提供了序列高级函数
   Numpy概述
   1 .Numerical Python(数值的python)，补充了python语言欠缺的数值运算能力
   2.Numpy是其他数据分析和机器学习库的底层库
   3.Numpy完全标准c语言实现，运行效率充分优化
   4.Numpy开源免费
   Numpy历史
   1.1995年,Numeric，用于完成python语言数值运算的扩充
   2.2001年，Scipy -> Numarray，用于完成多维数组运算
   3.2005年，Numeric + Numarray --> Numpy
   4.2006年，Numpy脱离了Scrpy成为一个独立项目
   Numpy基础
   Numpy的核心:ndarray对象
   使用numpy.ndarray对象表示一个数组 demoo1.py
   import numpy as np
   ary = np.array([1,2,3,4,5])
   print(ary)
   ary = ary*10
   print(ary)
   内存中的ndarray对象
   元数据(metadata)
   存储对目标数组的描述信息,如dim count , dimensions,dtype,data等
   实际数据
   完整的数组数据
   将实际数据与元数据分开存放，一方面提高了内存空间的使用效率，另一方面
   减少了对实际数据的访问频率，提高性能
   ndarray数组对象的创建
   np.array(可以被解释为Numpy数组的序列)
   np.arange(起始值(0),终止值,步长(1))
   np.zeros(数组元素的个数,dtype=‘数组元素类型’)
   np.ones(数组元素的个数,dtype=‘数组元素类型’)
   案例:测试ndarray对象的创建 demo02.py
   import numpy as np

   #创建二维数组
   a = np.array([[1,2,3,4],[5,6,7,8],[9,1,2,3]])
   print(a)
   
   # np.arange(起始值,结束值,步长)
   b = np.arange(1,10,