概括:Numpy+Scipy+pandas+matplotlib
一.Numpy——基础
1.jupyter Notebook
1.安装Anaconda
教程:python自学篇一[Anaconda3安装]
2.Anaconda是什么
Anaconda是一个用于科学计算的Python发行版,支持 Linux, Mac, Windows系统,提供了包管理与环境管理的功能,可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理,并且已经包含了Python和相关的配套工具
1.Anaconda Navigator
用于管理工具包和环境的图形用户界面,后续涉及的众多管理命令也可以在 Navigator 中手工实现
2.Jupyter notebook
基于web的交互式计算环境,可以编辑易于人们阅读的文档,用于展示数据分析的过程
3.qtconsole
一个可执行 IPython 的仿终端图形界面程序,相比 Python Shell 界面,qtconsole 可以直接显示- 代码生成的图形,实现多行代码输入执行,以及内置许多有用的功能和函数。
4.spyder
一个使用Python语言、跨平台的、科学运算集成开发环境。
3.什么是conda
检查conda是否安装好
conda 是开源包(packages)和虚拟环境(environment)的管理系统
4.jupyter安装
1.安装及配置文件
jupyter notebook --generate-config
C盘>用户>用户名>.jupyter文件夹>jupyter_notebook_config.py文件
有需要可以设置密码(一般不设置):
2.打开jupyter notebook
- 不用操作,自动就行
3.打开jupyter成功
- 启动后就自动打开这个浏览器界面
- 新建文件夹
文件夹命名:
新建python3文件
- 写代码,运行
-
SHIFT+ENTER运行
3.NumPy基本数据类型
1.ndarray对象属性
- ndim 数组轴(维度)的个数,轴的个数被称作秩
- shape 数组的维度, 例如一个2排3列的矩阵,它的shape属性将是(2,3),这个元组的长度显然是秩,即维度或者ndim属性
- size 数组元素的总个数,等于shape属性中元组元素的乘积
- dtype 一个用来描述数组中元素类型的对象,可以通过创造或指定dtype使用标准Python类型。不过NumPy提供它自己的数据类型。
- itemsize 数组中每个元素的字节大小。例如,一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如,一个元素类型为complex32的数组item属性为4(=32/8).
2.ndarray中元素数据类型
- 创建numpy数组的时候可以通过属性dtype显示指定数据类型,如果不指定的情况下,numpy会自动推断出适合的数据类型,所以一般不需要显示给定数据类型
- 如果需要更改一个已经存在的数组的数据类型,可以通过astype方法进行修改从而得到一个新数组
3.NumPy基本数据类型
- 数值型dtype的命名方式为:一个类型名称(eg:int、float等),后接一个表示各个元素位长的数字
- 比如Python的float数据类型(双精度浮点值),需要占用8个字节(64位),因此在NumPy中记为float64
- 每个数据类型都有一个类型代码,即简写方式
4.ndarry修改形状
- 对于一个已经存在的ndarray数组对象而言,可以通过修改形状相关的参数/方法从而改变数组的形状
- 直接修改数组ndarray的shape值, 要求修改后乘积不变
- 直接使用reshape函数创建一个改变尺寸的新数组,原数组的shape保持不变,但是新数组和原数组共享一个内存空间,也就是修改任何一个数组中的值都会对另外一个产生影响,另外要求新数组的元素个数和原数组一致
- 当指定某一个轴为-1的时候,表示将根据数组元素的数量自动计算该轴的长度值
1.shape修改
1.reshape修改