《機器學習從入門到精通》課件-第3章數據分析的基礎

第3章

數據分析的基礎3.1認識Numpy和Pandas3.2Numpy的基本使用3.3Pandas的基本使用3.1認識Numpy和PandasNumpy（NumericalPython）提供了python對多維數組對象的支持：ndarray，具有矢量運算能力，快速、節(jié)省空間。Numpy支持高級大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。Pandas（PythonDataAnalysisLibrary）是基于NumPy的一種工具，該工具是為了解決數據分析任務而創(chuàng)建的。Pandas納入了大量的數據分析函數庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。除此以外，Pandas還提供了大量能使快速便捷地處理數據的函數和方法，使得Python成為強大而高效的數據分析環(huán)境的重要因素之一。3.2Numpy的基本使用3.2.1創(chuàng)建ndarray數組ndarray數組是一個N維數組對象（矩陣），它里面設置的所有元素必須是相同的類型?，F在通過如下的代碼，先來嘗試的創(chuàng)建一個ndarray數組。importnumpyasnp

x=np.array([1,2,3,4])

print(x)print(type(x))3.2Numpy的基本使用如果設定的值為不相同類型，那么會統(tǒng)一按照其某一種類型進行統(tǒng)一。importnumpyasnpy=np.array([[1,2.,3],[4,5,6]])print(y)print(type(y))類型類型代碼說明int8、uint8i1、u1有符號和無符號的8bit（1個字節(jié)）整型int16、uint16i2、u2有符號和無符號的16位（2個字節(jié)）整型int32、uint32i4、u4有符號和無符號的32位（4個字節(jié)）整型int64、uint64i8、u8有符號和無符號的64位（8個字節(jié)）整型float16f2半精度浮點數float32f4/f標準的單精度浮點數float64f8/d標準的雙精度浮點數。float128f16/g擴展精度浮點數complex64、complex128、complex256c8、c16、c32分別用2個32位、64位或128位浮點數表示的復數bool?存儲True和False值得布爾類型objectOPython對象類型string_S固定長度的字符串類型（每個字符1個字節(jié)）unicode_U固定長度的unicode類型（字節(jié)數由平臺決定）3.2Numpy的基本使用3.2Numpy的基本使用3.2.2運用ndarray數組ndarray數組是一個多維的數組，多維數組中的維度稱之為“軸”（axis），想要了解一個新的數據參數它是多少維度，可以通過ndim屬性來進行訪問。而shape屬性是可以用來訪問多少維度以及每一個維度所對應的它的長度。1、ndarray的算術運算2、ndarray的切片3.2Numpy的基本使用1、ndarray的算術運算ndarray數組使用非常的靈活，它不需要使用循環(huán)就可以對列表里的元素執(zhí)行算術運算，語法和對標量元素的操作一樣。3.2Numpy的基本使用2、ndarray的切片切片（slice）是指從數據的位置中找出符合對應位置的數據出來。在進行切片時，通常需要為數組的每個維度指定一個切片位置，每個維度之間用逗號分割，如果沒有逗號，表示只在第一維上進行切片。3.3Pandas的基本使用3.3.1Series數據結構1、創(chuàng)建Series數據結構

在Pandas中的Series數據結構是一個像數組一樣的一維對象，可以存儲很多類型的數據。3.3Pandas的基本使用2、訪問Series的元素

Series可以同時使用下標和標簽兩種方式進行訪問。3.3Pandas的基本使用3.3.2DataFrame數據結構1、DataFrame數據結構的創(chuàng)建

Series對象的index數組存放有每一個元素的標簽，而DataFrame對象則有所不同，它有兩個索引數組，第一個數組與行相關，它與Series的索引數組極為相似。每個標簽與標簽所在行的所有元素相關聯。而第二個數組包含一系列列標簽，每個標簽與一列數據相關聯。3.3Pandas的基本使用2、DataFrame數據結構的創(chuàng)建

訪問DataFrame，需要先使用列的名稱，如圖3-2所示通過名字、成績和ID，得到該列對應的Series對象，然后使用下標或者標簽訪問Series中的元素。3.3Pandas的基本使用3、Data