numpyのパンダ学習

A. 多くのリストより高効率の配列
データのnumpyの効率的な処理、アレイをサポートする、Pythonのデフォルトは、配列ではありません。パンダは、scipyのダウンロード、matplotlibのはnumpyのを頼っています。
主にデータマイニングのためのパンダは、分析探検
maiplotlibは、マッピング、可視化のために使用され
、積分、フーリエ変換結石：などscipyのダウンロード数値計算、
統計解析のために使用さstatsmodels
テキストマイニングのためのGensim
sklearnの機械学習、kerasの深さの調査
II。
ダウンロードしてnumpyのMKLインストール
パンダのネットワークインストールをしてmaiplotlib
scipyのダウンロードダウンロードしてインストール
statsmodelsにGensimネットワークインストールおよび
3つのnumpyの操作を。
numpyのインポート
＃は、一次元アレイのセット番号を作成
（[要素...... N-、素子1、素子2]）＃1 numpy.arrayを
X = numpy.array（[ 'A'、 '9' 、' 8' 、 '1']）
＃は、二次元アレイフォーマットの作成
＃1 numpy.array（[素子1、素子2、素子...... n]は、[要素1、要素2、要素...... n]を[素子1、素子2、素子...... N-]）
Y = numpy.array（[3,5,7]、[9,2,6]、[5,3,0] ）
＃ソート
x.sort（）
y.sort（）
＃最大値
Y1 = y.max（）
＃最小値
Y2 = y.main（）
＃スライス
4匹のパンダの動作を制御します。
インポートAS PDAパンダ
データを生成するために使用＃パンダ
デフォルトの行インデックス名、シリーズゼロベースのインデックス指定されたデータの一連の＃シリーズインデックス代表
＃データフレームは代表的なデータフレームを統合するランクは、列は、列名の指定
（A = pda.Seriesを[8 、9,2 ,.] 1、インデックス= [ 'つ'、 'TWO'、 '三'、 'フォー']）
＃リスト形式のデータブロックを作成
B = pda.DataFrame（[5,6,2を、 3]、[3,5,1,4]、[ 7,9,3,5]、列は= [ '1'、 '2'、 '3'、 '4']、インデックス= [ '1' 、 '2'、 '三']）
＃辞書データフレームフォーマットを作成する
C = pda.DataFrame（{
'一' :. 4、＃意志オートコンプリート
'2'を[6,2,3]、
「スリー「：リスト（STR（982））
}）
＃1 b.head（行数）デフォルトのラインヘッド取る前に＃5
＃bを。

b.head = E（）
F = b.describe（）
の転置＃データ、行、列と列が行になるとなっ
G = BT
5つのPythonのデータインポート
パッドとしてインポートパンダ
F =オープン（「D：/大型の.csv '' RB '）
＃インポートCSV
A = pad.read_csv（F、エンコーディング=' Pythonの「）
＃多くの列は行数を示し
a.shape（）
a.values [0] [2]第一回線＃ 3列目の
＃説明CSVデータ
B = a.describe（）
＃ソート
C = a.sort_values（）
＃インポートエクセル
D = pad.read_excel（ 'D：/大* .XLS'）
プリント（D）
プリント（d.describe （））
＃インポートMySQLの
pymysqlインポート
コネティカット= pymysql.connect（ホスト=、=ユーザー'ルート'は、passwd = 'ルート' 'localhost'の、DB = ''）
SQLは= '' mydbというSELECT * FROM
E = pad.read_sql （SQL、CONN）
＃インポートhtmlフォームデータはhtml5libとBS4をインストールする必要があります
pad.read_html = G（ 'https://book.douban.com/subject/30258976/?icn=index-editionrecommend'）
＃インポートテキストデータ
H = pad.read_table（ 'D：/lianjie.txt '、「RB '=エンジン' Pythonの）
プリント（h.describe（））
6つのmatplotlibの使用
＃折れ線グラフ/散布プロット
HISTのと＃ヒストグラムを
PYL ASインポートmatplotlib.pylab
インポートnumpyのAS NPY
X = [1,2 、4,6,8,9]
Y = [5,6,7,8,9,0]
pyl.plot（X、Y）#plot（X軸、Y軸データ、プレゼンテーションの形式のデータ）
＃散乱O図、デフォルトは、直線cシアンR赤、シアン、マゼンタ、赤色Mのmagente gのグリーンB、青、緑、黄色、青Y黄W白白
細線破線：ストレート- - -点線-フォーム＃
＃1 S *星六角正方形H XX +プラス菱形形D p個の五角形の
pyl.plot（X、Y、 'D'）
pyl.title（ '名前'）＃名
pyl.xlabel（ 'のXName'）は軸名#X
pyl.ylabel（「ynameの名前を"）#Y軸名
pyl.xlim（0,20）＃は、x軸の範囲セット
（2,22）pyl.ylimを＃は、y軸の範囲セット
pyl.show（）
＃は、乱数生成
データ=のnpy.random.random_integers（1,20,100）を＃（最小、最大、数）
＃正常乱数生成
DATA2を= npy.random.normal（10.0、1.0、 10000）＃（ 平均、シグマ、数）
HISTの位ヒストグラム
pyl.hist （データ）
pyl.hist（DATA2）＃
設定上下ヒストグラム
のSTY = npy.arange（2,20,2）＃ステップ幅ヒストグラム前記
pyl.histは（データ、STY、histt​​ype = 'はstepfilled' ）を除去＃輪郭
描画とサブピクチャ＃1の使用
pyl.subplot（2、2、2）、 ＃（行、列、この領域）
X1 = [2,3,5,8,6,7]
Y1 = [2、 3,5,9,6,7]
pyl.plot（X1、Y1）
pyl.subplot（2,2 ,. 1）＃（行、列、この領域）
X1 = [2,3,5,9,6、 7〕
Y1 = [2,3,5,9,6,7]
pyl.plot（X1、Y1）
pyl.subplot（2、1、2）、 ＃（行、列、この領域）
X1 = [2,3,5,9,6,7]
Y1 = [2,3,9,5,6,7]
PYL .PLOT（X1、Y1）
pyl.show（）