python-numpy

python数据分析一

初识数据分析

数据分析的步骤

1. 分析需要什么样的数据类型
2. 根据目标搜寻数据
3. 对数据进行整理
   • 整理数据其实就是数据清洗
4. 提炼和分析数据，得到结论
5. 将数据可视化

开源，即开放源代码，英文是 open source，在编程圈是一个特别热的词。它指的是把源代码公开出去，让人们可以任意获取来学习、使用、修改和传播等。

numpy模块

numpy的array方法

import numpy as np

data = np.array([1,2,3])
print(data)
print(type(data))

[1 2 3]
<class 'numpy.ndarray'>

个人理解：

将一个[1,2,3]的列表传入到numpy的array()方法中去，并生成一个ndarray对象。

numpy的01数组的生成方法

np.ones(n)

创建一个n位1数组

ones = np.ones(3)
print(ones)
#[1. 1. 1.]
ones = np.ones(3,dtype=int)
print(ones)
#[1 1 1]
ones = np.ones(3,dtype=float)
print(ones)
#[1. 1. 1.]

np.zeros(n)

创建一个n位0数组

ndarray的操作和方法

加减乘除（运算的两个ndarray对象中一一对应做相加减）

import numpy as np

data1 = np.array([9, 3, 5])
data2 = np.array([2, 4, 6])
print(data1 + data2)
print(type(data1+data2))

• 输出

[ 11  7 11]
<class 'numpy.ndarray'>

平均分

• 对象名.mean()

最大值

• 对象名.max()

最小值

• 对象名.min()

中位数

• np.median(数组名)
• 将一个数组传入到np的median的方法中去，并返回这个数组的中位数

总和

• 对象名.sum()

统计学概念

集中趋势

集中趋势所反映的是一组数据所具有的共同趋势，它代表了一组数据的总体水平。其常用指标有 平均数、中位数 和 众数。

特殊

如果出现极大偏离正常数据的异常数据，则将对这组数据实际理应反应的集中趋势造成可观的影响，从而影响实验结论。

离中趋势

离中趋势是指一组数据中各数据值以不同程度的距离偏离其中心（平均数）的趋势。其常用指标有 极差、方差 和标准差

极差

• 极大值减去极小值

• 对象名.ptp()

方差

• 每个值减去均值的平方和再除去数据的个数

• 对象名.var()

标准差

• 方差的平方根

• 对象名.std()

离中趋势

ndarray和一般列表

列表间只有加法操作，作用是将两个列表的元素合并在一起。而多维数组间可以进行加减乘除的四则运算，运算规则也很简单：将两个数组中对应位置的元素一一进行运算。

• ndarray对象相对于列表能支持更多的运算。