python数据分析——基础技术

1.python与数据分析

（1）特点：简洁、开发效率高、运行速度慢、胶水特性（可调用面向过程语言）

（2）数据分析库：numpy(数据结构基础ndarray)、scipy(强大的科学计算方法：矩阵、信号、数理分析等)、matplotlib（丰富的可视化套件）、pandas（基础数据分析套件）、scikit-learn（分析算法库）、keras（人工神经网络）......

2.python环境搭建

（1）www.continuum.io/下载anaconda

（2）安装科学计算工具anaconda

3.numpy

（1）numpy学习官网：www.numpy.org

（2）提供功能： ndarray、多维操作、线性代数

（3）ndarray说明：

        1）仅仅存放一种类型数据

lst = [[1,3,5],[2,4,6]]

# bool,int/8/16/32/64/128,uint8/16/32/64/128,float16/32/64/128,comlex32/64/128
np_list = np.array(lst, dtype=float)

        2）ndarray内部属性

print(np_list.shape)  # 数组形状
print(np_list.ndim)   # 数组维数
print(np_list.itemsize)  # 每个元素所占字节
print(np_list.size)      # 数组元素个数

        3）常用数组

print(np.zeros([2,4]))  # 创建2x4数组并初始化为0
print(np.ones([2,4]))   # 创建2x4数组并初始化为1
print(np.random.rand(2,4))  # 创建2x4数组并初始化为0-1之间的浮点数
print(np.random.randint(1,10,3))  # 输出3个1-10之间的随机整数
print(np.random.randn(2,4))  # 生成2x4列数组并初始化为正太分布随机数
print(np.random.choice([10,20,30]))  # 随机生成给定迭代器中数值的随机数
print(np.random.beta(1,10,100))  # 生成1-10当中符合β分布的100个随机数

# 还有一些其他的数组

        4）数组操作