数据分析 matlab Numpy + scipy + pandas +matplotlib 数据计算 +科学应用＋数据清洗＋数据可视化 １ Numpy概述 1 基于c语言的python接口的数值算法库 2 开源免费 3 弥补了python语言在数值计算方面的短板 4 作为常用科学计算工具的底层支撑 2 Numpy的性能 1 简化代码编写，提高开发效率 2 通过优化底层实现，提高运行速度 基础： 1 数组 2 Numpy中的数组是ndarray类实例化的对象： 实例数据：数组的内容 元数据：对数组的描述 大部分对数组的操作仅仅是对元数据的操作，以此提高执行性能 3 Numpy中的数组必须是同质的，即所有元素的数据类型必须完全相同 4 dtype和shape属性分别表示元素类型和维度 5 实例化 np.arange(起始值，终止值，步长) 默认起始值0 默认步长：1 np.array(任何可被解释为数组的序列) 6 类型转换astype(目标类型)->转换后的新数组 7 '<U21' 表示字符串，其中每个字符都是小端字节序的21位Unicode字符 3 多维数组和元素索引 数组的维度表示为一个元组:(高维度数->低维度数) 一维数组，6个元素:（6，） 二维数组，2行3列：（2，3） 三维数组，2页3行4列：（2，3，4） 1 通过下标运算符访问数组中的元素 2 数组[页标][行标][列标] 3 数据类型 存储形式，处理方式 1 内置类型 布尔型 bool_ : True/False 整型 有符号 ：int8/int16/int32/int64 无符号 : uint8/uint16/uint32/uin64 浮点型： float16/float32/float64 复数型 ：complex64/complex128 2 复合类型 有多个相同或不同类型的字段组合而成的类型 np.array(..,dytpe=复合类型) 3 类型字符码 bool_:? 有符号整型：i1/2/4/8 无符号整型：u1/2/4/8 浮点型： f2/4/8 复数型：c8/16 字符串:U<字符数> 日期时间：M 字节序(针对多字节整型)：</>/=表示小端/大端/硬件 4 切片 数组[起始：终止：步长] 默认起始：首（正步长）/尾(负步长) 默认终止：尾后(正步长)/首前 默认步长:1 5 变维 1 视图变维：元数据独立，实际数据共享 1 数组.reshape(新维度) ->新数组 元素数和维度数必须匹配 2 数组.ravel() -> 得到的是一维数组 3 复制变维：元数据和实际数据都是独立的 数组.flatten() -->一维数组 （数组运算不会改变） 4 就地变维：修改元数据的值（维度信息，不会产生新的数组对象） 数组.shape = 新维度 数组.resize(新维度) 6 组合拆分 1 垂直组合：沿着垂直方向组合两个小的同维数组为一个大数组 np.vstack((上，下)) np.concatenate((上，下),axis=0) axis : 轴向，用维度的下标表示 0为行，，1为列 2 水平组合：沿着水平方向组合两个小的同维数组为一个大数组 np.hstack((左，右)) np.concatenate((左，右),axis=1) 3 深度组合:沿着纵深方向组合两个小的同维数组为一个大数组 np.dstack((前，后)) 会升维 4 行组合：以两个一维数组按照行的方式组合成一个二维数组 np.row_stack((上，下)) 5 列组合：以两个一维数组按照列的方式组合成一个二维数组 np.column_stack((左,右)) 6 垂直拆分：将一个大的数组沿着垂直方向拆分成若干个小的同维数组 np.vsplit(被拆分数组，拆分份数) np.split(被折分数组，拆分份数，axis=0) 7 水平拆分：将一个大的数组沿着水平方向拆分成若干个小的同维数组 np.hsplit(被折分数组，拆分份数) np.split(被折分数组，拆分份数，axis=1) 8 深度拆分：将一个大的数组沿着纵深方向拆分成若干个小的同维数组 np.dsplit(被拆分数组，拆分份数) 7 ndarray的属性 dtype -元素的数据类型 shape - 数组的维度 ndim - 数组的维数，len(shape) size - 数组的元素数,shape中元素相乘 itemsize - 元素字节数，与dtype相关 nbytes - 总字节数，size x itemsize T - 转置视图 real - 复数数组的实部视图 imag - 复数数组的虚部视图 flat - 扁平迭代器 8 ndarray <==>list np.array(列表) 二：数据可视化(Matplotlib) 1 基本绘图 plot(水平坐标，垂直坐标) 2 线型，线宽和颜色 plot(...,linestyle=线型，linewidth=线宽，color=颜色,...) 线形:[-]/--/:./o/o-/... 线宽：0-oo color:dodgerblue/orangeered/limegreen/red/blue/... 3 设置坐标范围 xlim(水平坐标最小值，水平坐标最大值) ylim(水平坐标最大值，水平坐标最大值) 坐标范围越大，图形越小，反而反之。 4 设置坐标刻度 xticks([水平轴刻度位置]) yticks([垂直轴刻度位置]) 表示数学的字符pi( [r'$-pi$'] ) 表示数学2分之pi ( r'$-frac{pi}{2}$' ) 5 设置坐标轴属性 ax = gca() # 获取当前坐标轴图 ax.spines['left'] - 左纵轴 ax.spines['left'].set_position(('data', 0)) ax.spines['right'] - 右纵轴 ax.spines['top'] - 上横轴 ax.spines['bottom'] - 下横轴 XX轴.set_position((坐标系，坐标值)) #设置位置 XX轴.set_color(颜色) #设置颜色 ax.spines['top'].set_color('none') 6 图例 plot(...,label=图例标签,...) legend([loc=显示位置]) 7 添加特点 scatter(水平坐标，垂直坐标，s=大小,marker=点型, edgecolor=边缘色,facecolor=填充色,zorder=Z顺序) 8 备注 annotate( 备注文本， xy =目标坐标， xycoords =目标坐标系, xytext=文本坐标， textcoords=文本坐标系, fontsize=字体大小, arrowprops=箭头属性) 9 图形(窗口)对象 figure(窗口名(标题栏文本),figsize=大小，dip=分辨率,facecolor=颜色) 如果与指定窗口名对应的图形对象不存在，那么就新建一个图形窗口，如果已存在，那么不会再新建图形窗口，而是将已存在的那个图形窗口设置为当前窗口 title(窗口标题,fontsize=字体大小) xlabel（垂直轴标签,fontsize=字体大小） tick_params(labelsize=刻度标签字体大小) grid(linestyle=网格线型) 10 子坐标图 1 矩阵布局 subplot(行数，列数，图号) tight_layout() #紧凑布局 2 删格布局 删格定位器 = mp.GridSpec(行数，列数) subplot(删格定位器[行，列] 3 自由布局 axes([左，底，宽，高]) # 归一化单位 11 刻度定位器 xxxLocator(定位规则) ax = gca() ax.xaxis 水平坐标 ax.yaxis 垂直坐标 坐标轴.set_major_locator(刻度定位器) #主刻度 坐标轴.set_minor_locator(刻度定位器) #次刻度 mp.axis('off') #关闭坐标轴 12 区域填充 fill_between(水平坐标，起点垂直坐标，终点垂直坐标，color=颜色,alpha=透明度 ) 13 条形图 bar(水平坐标，绝对高度，相对宽高,color=颜色,label=图例标签，alpha=透明度) 14 饼图 pie(值数组，间隙数组，标签数组，颜色数组,shadow =是否带阴影，startangle=起始角度) 15 等高线图 contour(点阵X坐标矩阵，点阵Y坐标矩阵，点阵Z坐标矩阵，梯度数,colors=颜色,linewidths=线宽) 16 热力图 17 网格线 ax = gca() ax.grid(which="major/minor",axis='x/y/both') 18 半对数坐标 semi(同plot) 19 极坐标 gca(projection='polar') #创建极坐标图 plot/scatter(极角，极径) 20 三维坐标系 from mp;_toolkits.mplot3d import axes3d 1 三维散点 ax.scatter(x坐标，Y坐标，Z坐标，s= 大小，marker=点形 ， edgecolor=边缘色，fancecolor=填充色， zorder=Z顺序) 2 空间曲面 ax.plot_surface(点阵X坐标，点阵Y坐标矩阵，点阵Z坐标矩阵，rstride=行跨距， cstride=列跨距，cmap=颜色映射) ax.plot_wireframe(点阵X坐标矩阵，点阵Y坐标矩阵，点阵Z坐标矩阵， rstride=行跨距，cstride=列跨距，linewidth=线宽，color=颜色)