数据分析常用的库(更新中)：Numpy\Pandas\Matplotlib

注：本文写的比较混乱，主要为机器学习打基础用，很多函数没有记录，大家可以去查工具书

00、开发环境：Jupyter Notebook

下载地址：建议去清华镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，如果去官网下载会很慢，因为是外网。
找到最新的64位，下载安装即可

进入的方法：首先找到你要存放文件的盘，然后输入cd+路径进入该文件夹。最后输入jupyter notebook会自动弹出来网页供你使用编辑。（注意：敲代码过程中不要关闭下面这个命令窗口，否则会掉线）

一、数值计算扩展工具——Numpy

（1）numpy中的数组
数组和列表基本差不多，但有两个小区别，第一个是数组只能存储相同的数据类型，如果出现了不同的数据类型，那么会自动进行调整。第二个就是说数组是多维了，如果多维数组数据都是数值，那么就可以理解为线性代数中的矩阵。

如何创建数组？
Numpy经常和数组打交道，所以第一步要学会创建数组。在Numpy中数组的数据类型叫做ndarray。
数组的第一种创建方式：使用np.array([])创建，如上面那张图所示
第二种方式是啥捏，使用np.arange()来创建，其实类似与Python中的range函数

这里实际上也是np.arange(start, end, step)，左闭右开[start, end)
第三种创建方式就是使用random函数,也就是np.random.random((行数,列数))，这里是套娃，括号里还有个括号，也不知道为啥，记住就完事儿了。最终生成一个0~1的随机数的多维数组，也是套娃，数组里还有数组。

还是第三种方式，如果说想自定义随机数的范围，那么语法是这样滴：np.random.randint(开始数,结束数,size=(行数,列数))，如下图所示：

第四种方式比较秀，使用函数来生成特殊的数组，话不多说直接上图：

数组中有哪些数据类型呢？
话不多说直接上图

输出数组的维数：.ndim ，表示数组的形状（几行几列）：.shape

剩下的不多记了，有需要的去查书。下面是我听的那个老师的总结：

（2）Numpy中多维数组的索引和切片

（3）Numpy中数值的替换操作

（4）数组的形状操作：reshape和resize
这两个东西是有区别的，其中reshape不会改变原数组，而resize会直接把原数组变成新数组。啥意思呢？让我们看下代码

还有两个方法：flatten和ravel，是把数组变成一维

数组叠加操作：


深拷贝和浅拷贝的一张图帮助理解：

（5）csv文件的操作
np.savetxt和np.loadtxt一般用来操作csv文件，可以设置header，但是不能存储三维以上的数组
np.save和np.load一般用来存储非文本类型的文件，可以不设置header，但是可以存储三维以上的数组
如果想专门操作CSV文件，还有另一个模块叫csv，这个模块是python内置的，不需要安装。
那么如何使用python内置csv模块读取csv文件呢？

  import csv

with open('stock.csv','r') as fp:
#reader是一个迭代器
    reader = csv.reader(fp)
    titles = next(reader)  #这里的next是指把标题去掉，从第一行数据开始读取
    for x in reader:
        print(x)

另一种方式：

那么如何使用python内置csv模块写入csv文件呢？
其中乱码使用encoding=‘utf-8’来解决，空行使用newline=’ '来解决，因为默认是/n

二、数据分析工具——Pandas

（1）什么是pandas？
Pandas是一个强大的分析结构化数据的工具集，基于NumPy构建，提供了高级数据结构和数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一。

1.一个强大的分析和操作大型结构化数据集所需的工具集
2.基础是NumPy，提供了高性能矩阵的运算
3.提供了大量能够快速便捷地处理数据的函数和方法
4.应用于数据挖掘，数据分析
5.提供数据清洗功能

啊啊