Python數(shù)據(jù)分析與可視化教案1.2 認(rèn)識Python

1、課 題1. 2 認(rèn)識 Python課 型講練授課班級大數(shù)據(jù)授課時數(shù)1教學(xué)目標(biāo)了解Python語言的特點(diǎn)了解Python常用庫的名稱及作用教學(xué)重點(diǎn)1.了解Python語言的特點(diǎn)教學(xué)難點(diǎn)1. 了解Python常用庫的名稱及作用學(xué)情分析學(xué)生之前一般都是上過Pyhon課，但是不一定學(xué)過Python中的一些第 三方庫，比方Pandas、Numpy等，但是這些庫在數(shù)據(jù)分析中很重要。教學(xué)效果本次課是Python的導(dǎo)入課，通過本次課的學(xué)習(xí)，能夠?qū)τ赑ython的各 種庫有一個基本了解。教后記蘇州工業(yè)職業(yè)技術(shù)學(xué)院Suzhou Institute Of Industr ial Technology教師備考首頁一、

2、Python的開展趨勢Pylhon是一種跨平臺的計(jì)算機(jī)程序設(shè)計(jì)語言，是由Guido van Rossum在八十年 代末和九十年代初，在荷蘭國家數(shù)學(xué)和計(jì)算機(jī)科學(xué)研究所設(shè)計(jì)出來的。自從20世紀(jì) 90年代初Python語言誕生至今，已被逐漸被廣泛應(yīng)用于系統(tǒng)管理任務(wù)處理。自從20()4 年以后，Pylhon的使用率呈線性增長。目前，Pylhon已經(jīng)成為最受歡迎的程序設(shè)計(jì)語 言之一。Python 2于2000年10月16日發(fā)布，穩(wěn)定版本是Python 2.70 Python 3于2008 年12月3日發(fā)布,不完全兼容Python 2。二、Python的特點(diǎn).易于學(xué)習(xí)Pylhon有相對較少的關(guān)鍵字，結(jié)構(gòu)也

3、比擬簡單，與其他程序語言相比，學(xué)習(xí)起來 更加簡單，比方在Python變量不需要聲明可以直接使用，再比方些第三方庫集成 了很多計(jì)算功能，大大簡化編程的難度。.易于閱讀Pylhon代碼定義清晰，比方語句的組織依賴于縮進(jìn)而不是用符號標(biāo)記，如循環(huán)結(jié) 構(gòu)的“開始/結(jié)束”可直接用縮進(jìn)而不需要使用其他的符號。.開發(fā)效率高Pylhon是一種面向?qū)ο蟮慕忉屝陀?jì)算機(jī)程序設(shè)計(jì)語言，具有豐富和強(qiáng)大的庫。高 級數(shù)據(jù)結(jié)構(gòu)可以在一個單獨(dú)的語言中表達(dá)出很復(fù)雜的操作，比方調(diào)用第三方庫中的很 多方法，就可以防止寫很多循環(huán)。.可移植性強(qiáng)基于其開放源代碼的特性，Pylhon已經(jīng)被移植(也就是使其工作)到許多平臺。三、Python的常

4、用庫l.numpyNumPy是Numerical Python的簡稱，是Python語言的一個擴(kuò)展程序庫，支持大 量的維度數(shù)組與矩陣運(yùn)算，此外也針對數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫。NumPy的 前身Numeric最早是由Jim Hugunin與其它協(xié)作者共同開發(fā)，2005年，Travis Oliphant在Numeric中結(jié)合了另一個同性質(zhì)的程序庫Nuniarray的特色，并加入了 其它擴(kuò)展而開發(fā)了 NumPyoNumPy支持高級大量的維度數(shù)組與矩陣運(yùn)算，底層是C語言實(shí)現(xiàn)的，由于針對 數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫，計(jì)算速度比擬快，運(yùn)算效率極好，是機(jī)器學(xué)習(xí)框架 的基礎(chǔ)類庫。2.SciPySciPy

5、是構(gòu)建在numpy基礎(chǔ)之上的數(shù)據(jù)計(jì)算庫，它提供了許多的操作numpy的數(shù) 組的函數(shù)。SciPy是一款方便、易于使用、專為科學(xué)和工程設(shè)計(jì)的Python工具包，它 包括了統(tǒng)計(jì)、優(yōu)化、整合以及線性代數(shù)模塊、傅里葉變換、信號和圖像圖例，常微分 方差的求解等。Scipy的子模塊包括：模塊名功能簡介scipy.cl uster向量量化scipy.constants數(shù)學(xué)常量scipy. fftpack快速傅里葉變換scipy. integrate積分erpolate插值scipy.io數(shù)據(jù)輸入輸出scipy.linalg線性代數(shù)scipy.spatial空間數(shù)據(jù)結(jié)構(gòu)和算法scipy.special特殊數(shù)學(xué)函

6、數(shù)scipy.stats統(tǒng)計(jì)函數(shù)pandas表格容器pandas是基于NumPy的一種工具，該工具是為了解決數(shù)據(jù)分析任務(wù) 而創(chuàng)立的。Pandas納入了大量庫和一些標(biāo)準(zhǔn)的數(shù)據(jù)模型，提供了高效地操作大型數(shù) 據(jù)集所需的工具。pandas提供了大量快速便捷地處理數(shù)據(jù)的函數(shù)和方法，使得Python 成為強(qiáng)大而高效的數(shù)據(jù)分析環(huán)境的重要因素之一。pandas使用一個二維的數(shù)據(jù)結(jié)構(gòu)DataFramc來表示表格式的數(shù)據(jù)，同時使用NaN 來表示缺失的數(shù)據(jù)，而不用像Numpy需要手工處理缺失的數(shù)據(jù)，并且pandas使用軸 標(biāo)簽來表示行和列。同時，pandas可以對數(shù)據(jù)進(jìn)行導(dǎo)入、清洗、處理、統(tǒng)計(jì)和輸出， 所以pand

7、as庫就是一個數(shù)據(jù)分析庫。matpoltlibMalplotlib是Python在繪制2D圖形領(lǐng)域中使用最廣泛的套件，它能讓使用者很 輕松地將數(shù)據(jù)圖形化，并旦提供多樣化的輸出格式。通過Matplotlib,用戶可以僅需 要幾行代碼，便可以生成繪圖。一般可繪制折線圖、散點(diǎn)圖、柱狀圖、餅圖、直方圖、 子圖等等。Matplot使用Numpy進(jìn)行數(shù)組運(yùn)算，并調(diào)用一系列其他的Python庫來實(shí) 現(xiàn)硬件交互。matplotlib中應(yīng)用最為廣泛的模塊是matplotlib.pyplot模塊，該模塊為matplotlib 提供的一套和MATLAB類似的繪圖API,以方便快速繪圖。將眾多繪圖對象所構(gòu)成 的復(fù)雜結(jié)

8、構(gòu)隱藏在這套API內(nèi)部。我們只需要調(diào)用pyplot模塊所提供的函數(shù)就可以實(shí) 現(xiàn)快速繪圖以及設(shè)置圖表的各種細(xì)節(jié)。matplodib.pyplot模塊對外提供函數(shù)式的接口， 其內(nèi)部實(shí)際保存了當(dāng)前圖表以及當(dāng)前子圖等信息。SeabornSeaborn是一種基于matplotlib的圖形可視化Python libraty。它提供了一種高度交 互式界面，便于用戶能夠做出各種有吸引力的統(tǒng)計(jì)圖表。Seaborn其實(shí)是在matplotlib的基礎(chǔ)上進(jìn)行了更高級的API封裝，從而使得作圖 更加容易，在大多數(shù)情況下使用seaborn就能做出很具有吸引力的圖，而使用matplotlib 就能制作具有更多特色的圖。應(yīng)該

9、把Seaborn視為matplotlib的補(bǔ)充，而不是替代物。 同時它能高度兼容numpy與pandas數(shù)據(jù)結(jié)構(gòu)以及scipy與statsinodels等統(tǒng)計(jì)模式。 掌握seaborn能很大程度幫助我們更高效的觀察數(shù)據(jù)與圖表，并且更加深入了解它們。Seaborn主要包括如下特點(diǎn)：（1）基于matplotlib aesthetics繪圖風(fēng)格,增加了一些繪圖模式（2）增加調(diào)色板功能，利用色彩豐富的圖像揭示您數(shù)據(jù)中的模式（3）運(yùn)用數(shù)據(jù)子集繪制與比擬單變量和雙變量分布的功能（4）靈活運(yùn)用處理時間序列數(shù)據(jù)（5）利用網(wǎng)格建立復(fù)雜圖像集6.scikit-leamskleam是Scipy的擴(kuò)展，建立在Numpy和malplolib庫的基礎(chǔ)上。利用這幾大模 塊的優(yōu)勢，可以大大地提高機(jī)器學(xué)習(xí)的效率。scikit-learn