NumPy обучения панды

A. Массив высокой эффективности , чем список многих
Numpy эффективной обработки данных, поддерживает массив, питон по умолчанию не является массив. панды, SciPy, Matplotlib полагаться NumPy.
панды в основном для интеллектуального анализа данных, изучения, анализ
maiplotlib используются для отображения, визуализация
SciPy численного расчета, такие как: интегральный, преобразования Фурья исчисления
statsmodels , используемый для статистического анализа
Gensim для анализа текстового
машинного обучения sklearn, глубина keras исследование
II.
скачать и установить NumPy MKL
установку панды сети и maiplotlib
SciPy скачать и установить
statsmodels Gensim установку сети и
три Numpy операции.
NumPy Импорт
# Создание заданного количества одномерного массива
# numpy.array ([элемент 1, элемент 2, элемент ...... п])
Х = numpy.array ([ 'А', '9' ,'. 8' , '1'])
# создать двумерный массив , формат
# numpy.array ([[элемент 1, элемент 2, элемент ...... п], [элемент 1, элемент 2, элемент ...... п] , [элемент 1, элемент 2, элемент ...... н-]])
Y = numpy.array ([[3,5,7], [9,2,6], [5,3,0]] )
# сортировать
x.sort ()
y.sort ()
# Максимальное значение
Y1 = y.max ()
# минимальное значение
У2 = y.main ()
# нарезка
работа четырех панд.
PDA панда AS Импорт
# панда используется для генерации данных
# серии указательного представителя серии данных , указанных имя индекса строки, на основе нулевой серии индекса по умолчанию в
# DataFrame званий интегрировать из репрезентативного кадра данных, столбцы указать имя столбца
а = pda.Series ([8 ,. 9, 2 ,. 1], индекс = [ 'One', 'два', 'Три', 'Четыре'])
# Создание блока данных формата список
Ь = pda.DataFrame ([[5,6,2, 3], [3,5,1,4], [ 7,9,3,5]], столбцы = [ 'один', 'два', 'три', 'четыре'], индекс = [ 'один' , 'два', 'Три'])
# словарь создать формат кадра данных
C = pda.DataFrame ({
'One' :. 4, # будет автоматически завершена
'ДВА': [6,2,3],
«Три «: Список (STR (+982))
})
# b.head (число строк) # 5 , прежде чем принимать строки по умолчанию глава
# б.

b.head = Е ()
Р = b.describe ()
транспонированные # Данные, строки становятся столбцами и столбцы становятся строки
г = Bt
пять питона импорта данных
Импорт PANDAS AS PAD
F = Open ( «D: / Большой .csv '' RB ')
# импорта CSV -
А = pad.read_csv (F, кодирование =' Python «)
# много столбца показывает , сколько строк
a.shape ()
a.values [0] [2] Первая строка # третий столбец
# описание CSV данные
B = A.Describe ()
# сорт
C = a.sort_values ()
# импорт Excel
D = pad.read_excel ( 'D: / большой * .xls')
печати (D)
Печать (d.describe ())
# импорт MySQL
импорта pymysql
Conn = pymysql.connect (Host = 'локальный', = Пользователь 'корень', то PASSWD = 'корень', DB = '')
SQL = 'SELECT * из MyDB'
E = pad.read_sql (SQL,Conn)
данные # импорт HTML - форм необходимо установить html5lib и BS4
pad.read_html = G ( 'https://book.douban.com/subject/30258976/?icn=index-editionrecommend')
# импортированы текстовые данные
ч = pad.read_table ( 'd: /lianjie.txt ', «Р.Б. '= Engine' Python «)
Print (h.describe ())
шесть Matplotlib используя
# линии диаграммы / разброса участок Участок
# гистограмму с истор
Import matplotlib.pylab AS Pyl
Import NumPy AS NPY
X = [1,2 , 4,6,8,9]
Y = [5,6,7,8,9,0]
pyl.plot (х, у) #plot (данные X-оси, данных по оси Y, форма представления)
# рассеивают O . На фигуре, по умолчанию представляет собой прямую линию с голубой г красный голубой пурпурный красный м magente г зеленый б синий зеленый желтый синий Y Желтый ш белый белый
# - прямая - пунктирная линия - - форма: тонкая пунктирная линия
# S * звезды гексагональной квадратная ч хх + плюс ромбической формы д р пентаграмма
pyl.plot (X, Y 'd')
pyl.title ( 'имя') # имя
pyl.xlabel ( 'XName') #X оси имя
pyl.ylabel ( «yname ') #Y имя оси
pyl.xlim (0,20) # Установить диапазон оси х
pyl.ylim (2,22) # устанавливает диапазон по оси Y.
pyl.show ()
# генерирует случайные числа
данных = npy.random.random_integers (1,20,100) # (минимум, максимум, номер)
# генерирует нормальное случайное число
data2 = npy.random.normal (10,0, 1,0, 10000) # ( значит, Sigma, номер)
# гистограмма чужого
pyl.hist (данные)
pyl.hist (дАННЫЕ 2)
# установить верхний нижний гистограммы
свинарник = npy.arange (2,20,2) # шаг ширина упомянутой гистограммы
pyl.hist (данные, STY, histtype = 'stepfilled' ) удален # контур
рисунка и использование субграфики #
pyl.subplot (2, 2, 2) # ( строки, столбцы, эта область)
X1 = [2,3,5,8,6,7]
Y1 = [2, 3,5,9,6,7]
pyl.plot (X1, Y1)
pyl.subplot (2, 2 ,. 1) # (строки, столбцы, эта область)
X1 = [2,3,5,9,6, . 7]
Y1 = [2,3,5,9,6,7]
pyl.plot (X1, Y1)
pyl.subplot (2, 1, 2) # ( строки, столбцы, эта область)
X1 = [2,3,5,9,6,7]
Y1 = [2,3,9,5,6,7]
Pyl .plot (x1, y1)
pyl.show ()