丈夫气力全,一个拟当千。猛气冲心出,视死亦如眠。
绘图 Matplotlib
可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。
能将数据进行可视化,更直观的呈现
使数据更加客观、更具说服力
matplotlib.pyplot模块
import matplotlib.pyplot as plt
构造数据
实现绘图
创建画布
绘制图像
显示图像
基本代码
创建画布：plt.figure（）
figsize:指定图的长宽
dpi:图像的清晰度
返回fig对象
绘制图像：plt.plot（）
显示图像：plt.show（）
其他功能 修改刻度
plt.xticks（）
plt.yticks（）
标题
plt.title(文字，fontsize=大小)
网格
plt.grid(True,alpha=透明度，linestyle=样式)
保存 .savefig(文件名）
常见图像
折线图 散点图 柱状图 饼图 直方图
折线图
特点：像是数据的变化趋势 反映事物的变化情况（变化）
关键词：变化
api:plt.plot(x,y)
散点图
特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）
关键词：规律
api：plt.scatter(x,y)
柱状图
特点：展示各个数据的大小，比较数据差别
关键词：比大小
api：plt.bar(x, width, align='center', **kwargs)
Parameters:
x : 需要传递的数据
width : 柱状图的宽度
align : 每个柱状图的位置对齐方式
{‘center’, ‘edge’}, optional, default: ‘center’
**kwargs :
color:选择柱状图的颜色
直方图
特点：绘制连续性的数据展示一组或者多组数据的分布状况
关键词：统计分组,分布
api：matplotlib.pyplot.hist(x, bins=None)
x : 需要传递的数据
bins : 组距
饼图
特点：分类数据的占比情况（）
关键词：占比
api：plt.pie(x, labels=,autopct=,colors)
x:数量，自动算百分比 列表
labels:每部分名称 列表
autopct:占比显示指定%1.2f%% 字符串 .2表是几位
colors:每部分颜色
绘制
准备数据
绘制图像
创建画布
绘制图像
显示图像
Numpy开源的python科学计算库 比list（列表）更具效率
快速处理任意维度的数组，支持常见的数组和矩阵操作
矩阵：二维数组
使用 ndarray（多维度数组） 对象来处理多维数组 它描述了-相同类型-的“items”的集合
内存块分格
ndarray 数值类型相同，可以直接读取
list 数据类型不同，读取地址在读取数据
并行化计算 类似GPU
内置了并行运算功能，系统有多核心时，做某种计算，会自动做并行计算
底层代码，效率远高于纯python代码
底层用c编写
n维数组 属性，形状，类型
ndarray 属性
对象.shape：数据的形状
对象.ndim：数据的维度
对象.size：数据的个数
对象.dtype：数据的类型
int32，int64，float32，float64，uint8（0，255）
对象.itemsize：一个元素的长度
创建数组
.array([[]],dtype=类型（numpy.int32）/"类型")
基本操作
生成数组
生成0-1数组
从现有数组生成
生成固定范围数组
生成随机数组
生成数组的方法
import numpy as np
0和1的数组
np.ones(shape, dtype)
np.ones_like(a, dtype)
np.zeros(shape, dtype)
np.zeros_like(a, dtype)
从现有数组生成
np.array(object, dtype)
np.asarray(a, dtype)
a = np.array([[1,2,3],[4,5,6]])
# 从现有的数组当中创建
a1 = np.array(a)---深拷贝
# 相当于索引的形式，并没有真正的创建一个新的
a2 = np.asarray(a)---浅拷贝
生成固定范围的数组
等差数列
np.linspace (start, stop, num, endpoint)
创建-等差-数组 — 指定数量
参数:
start:序列的起始值
stop:序列的终止值
num:要生成的等间隔样例数量，默认为50
endpoint:序列中是否包含stop值，默认为ture
np.arange(start,stop, step, dtype)
创建等差数组 — 指定步长
参数
step:步长,默认值为1
等比数列
np.logspace(start,stop, num)
参数:
num:要生成的等比数列数量，默认为50
不传值默认base=10
生成随机数组
np.random模块
正态分布
--------------------
--------------------
Pandas （面板数据分析）数据处理的库
-以numpy为基础 借np在计算方面性能高的优势
--基于matplotlib，能够简便的画图
---有独特的数据格式
有良好的图表可读性
处理数据
读取文件
封装了matplotlib，numpy的画图和计算
pandas的数据结构
1.series
由一组数据和与之相关的索引俩部分构成
创建
import pandas as pd
属性
2.DataFrame
创建
属性
数据运算
DataF
直接运算
对象【列名】+1---加1
对象【】.add（1）加1
对象【】.sub(1)--减1
逻辑运算
布尔索引
&---and
|---or
对象[对象[].条件 逻辑运算符 对象[].条件]
逻辑运算函数
query(expr)
expr查询字符串
isin([])在一个区间
统计
对象.describe() --描述（行数，最大，最小，中位数，四分之三位数..）
abs--绝对值
prod--求积
idmax--最大值索引
argmax--最大值下表-np
mode--众数
max--最大值
--axis--轴向 -参数
std--标准差
median 中位数
累计统计函数
cumsum()-前n个数的和
排序 .sort_index（）
去重 .unique（）
直方图-hest（）
.plot(figsize = (画布大小))--画图
自定义运算
对象.apply(func,axis = 0)
def func():
执行内容
return ..
匿名函数
对象.apply(lambda x)
文件读取和操作
文本文件：--csv，--json，html，local clipboard(剪切板)
二进制文件：Excel，--HDF5，SAS
数据库：SQL
读取read_文件格式
存储，写 to_文件格式
读取文件
read_csv69:39 2019/11/1269:39 2019/11/125
pands.read_csv(路径，usecols=[],stp=',')
filepath_or_buffer:文件路径
sep :分隔符，默认用","隔开
usecols:指定读取的列名，列表形式
to_csv
DataFrame.to_csv(path_or_buf=None, sep=', ’, columns=None, header=True, index=True, mode='w', encoding=None)
path_or_buf :文件路径
sep :分隔符，默认用","隔开
columns :选择需要的列索引,列表
header :boolean or list of string, default True,是否写进列索引值
index:是否写进行索引
mode:'w'：重写, 'a' 追加