MySkill - 用于数据科学的 Python
用于数据科学的 Python
为什么要使用 Phyhon？
它很容易被业余爱好者学习，易于阅读和高效的语法，并且拥有一个非常适合编程的大规模生态系统。 Python 也有一套完整的工具箱来帮助我们进行数据科学。
如何运行 Python？
最传统的方式是通过phyton网站下载。然后对于数据科学家来说，他们可以使用 Anaconda、colab（谷歌提供的免费平台）或 Notebook 运行 Python。
数据类型
- 整数：整数。例如：1、2、-1、-2
- 浮点数：十进制数。例如：1.0、2.0、-1.0、-2.0
- 字符串：使用“”或“”的文本，不能用于计算。例如：“文本”、“文本”、“1”
- 布尔值：数据仅包含 2 个值，True 和 False
数据采集
- 列表：数据有序且可变的数据集合。例如：A = [1,2,3,“b”]
- 元组：数据有序且不可变的数据集合。例如：A=(1,2,3,“b”)
- set：唯一的数据集合，没有有序且不可变的数据。例如：A =
- 数据字典：具有键值对的数据集合，没有数据排序，并且是可变的。例如：D =
比较逻辑运算符
执行或评估语句、指令或函数调用的顺序。由条件语句、循环和函数调用支配的 Python 程序控制流
- == 等于
- != 不等于
- < 小于
-
大于
- <= 小于等于
-
= 大于或等于
布尔值有点不同
- 和：如果布尔值为真，则为真。除了那个假。例如：真与真→真，真与假→假
- 或：如果所有条件之一为真，则为真。真或真→真，真或假→真
- 不：否定。例如：非真→假，非假→真
数据科学生命周期
Data science life cycle (Source: https://www.datascience-pm.com/data-science-life-cycle/)
熊猫
Pandas 已经成为数据分析工具箱的行业标准，因为它具有操作表格数据、基础可视化、描述性统计等功能。
要使用 pandas，我们可以在使用 pd 初始化的笔记本上导入它。
将熊猫导入为 pd
在熊猫中读取文件：
- csv: df = pd.read_csv('file.csv)
- 优秀：df = pd.read_excel()
- 镶木地板 ： pd.read_parquet()
- sql数据库 ： pd.read_sql_query()
熊猫属性：
- df.columns： **** 来自 DataFrame 的列标签。
- df.dtypes：每列的数据类型
- df.index：来自 DataFrame 的索引
- df.shape：数据框大小
熊猫方法：
- df.head([n]), df.tail([n]): 显示顶部列表（头部）或以下（尾部）的 n 个数据
- df.describe()：每列的描述性统计结果（最小值、最大值等）
- df.dropna()：删除所有包含na（零值）的行
- df.info()：打印 DataFrame 的简短摘要。
麻木的
Numpy 是一个用于标准数值计算的开源库，它提供了许多用于计算数组和矩阵的函数。 Numpy 提供了两种用于数值计算的数据结构：数组和矩阵。使用 numpy 数组的计算比 python 列表更有效。
要使用 numpy，我们可以将它导入到我们的 notebook 中，使用 np 进行初始化。
导入 numpy 和 np
numpy 中的数值运算和语法
- 转置： **** np.转置（数组）
- 分钟： **** np.min（数组）
- 最大限度： **** np.max(数组)
- 中位数： **** np.median（数组）
- 率率： **** np.mean（数组）
- 点积： **** 数组.点（数组）
- 交叉产品： **** array.cross(another_array)
- 逆： **** np.linalg.inv（数组）
案例分析
使用一年中每个月的销售额值创建列表。我们可以假设从 1 月到 12 月的数据销售。
销售额 = [20, 22, 28, 35, 45, 60, 65, 64, 50, 52, 57, 60]
Output list penjualan
11月销量多少
列表的索引从 0 开始。所以，1 月在索引 0 上，12 月在索引 11 上。结论，11 月在索引 10 上，所以我们可以用索引 10 来显示 11 月份的数据销售情况。
sales_november = 销售额[10] print("11 月销售额是", sales_november)
Output sales in November
3-4月销量增长多少
我们已经从之前的案例研究中得出结论，我们可以使用指数来获取每个月的销售额，因此计算 3 月至 4 月增长的公式为
增长 =（4 月销售额 - 3 月销售额）* 100 / 3 月销售额
增长 = (销售额[3] - 销售额[2]) * 100 / 销售额[2] print("3-4月销售额增长", growth, "%")
Output growth March to April
使用循环，每月创造销售增长
我们将在这里使用循环来显示每个月的销售增长。该公式与以前相同，但我们在循环中获得的参数不同。因为一月份没有增长，所以我们可以设置增长等于0。
增长=（销售指数月-前销售指数月）*100/前销售指数月
对于我，枚举中的数据（penjualan）： 如果 i==0：增长 = 0 别的： 增长 = (sales[i] - sales[i-1]) * 100 / sales[i-1] print("当月的增长", i+1,"is", growth, "%")
Output growth each month
使用销售参数和 index_bulan 创建函数 hitung_penjualan 以显示输出销售增长
我们将使用参数 penjualan 创建函数 hitung_pertumbuhan，这是销售数据，index_bulan 是我们希望看到增长的指数月份。
def count_growth（销售额，index_month）： 如果 index_bulan == 0：增长 = 0 别的：
增长 = (sales[month_index] - sales[month_index-1]) * 100 / sales[month_index-1] 回报增长 index_month = 5 print("MoM 销售增长月份", index_month, "is", calculate_growth(sales, index_month))
Output using function using index 5
从 penjualan 创建数据框并仅对 6 月、7 月和 8 月的数据进行切片
创建新的字典名称 dict_penjualan 并使用我们插入的值从 2021 年开始按月频繁和 penjualan 从我们之前的列表中插入。
创建 dict_penjualan 后，我们将其转换为新的数据框 df，因为我们需要对其进行切片以获取 6 月、7 月和 8 月的数据。对数据帧进行切片，规则为 dataframe[startIndex:lastIndex+1]。在这种情况下，六月在索引 5 中，八月在索引 7 中。
从日期时间导入日期时间 将熊猫导入为 pd 将 numpy 导入为 np
dict_sales = { 'periode': pd.date_range(start="2021-01", end="2022-01", freq="1M"), “销售”：销售 } df = pd.DataFrame(sale_dict) df[5:8]
Output slicing June — August
使用数据 penjualan 显示折线图
导入 seaborn 以准备可视化数据。我们需要跟踪一段时间内的销售数据，因此，我们将使用折线图来查看趋势线。
将 matplotlib.pyplot 导入为 plt 将 seaborn 导入为 sns sns.set() sns.lineplot(data=df).set_xticks(range(0, 12))
Lineplot sales by index month
结论
感谢 MySkill，导师和导师，在这个训练营中指导和教给我有关 Python for Data Science 的知识。
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
