Python数据分析之路 | 入门起航篇

Python有两个非常有趣的方向，一条是数据分析，然后掌握数据分析的基本方法(NumPy,Pandas,mapplotlib),然后再往下就是数据挖掘，机器学习，深度学习,人工智能,另外一条就是web开发。

1.数据分析工具

• 工欲善其事，必先利其器，网上有很多关于数据分析的文章，相信大家一定听过R语言和Python之争，而且各有千秋，R语言在学术界更流行,但是在做项目上面我个人比较喜欢Python,Python更通用，更简洁，文档也很多,而且有大量的库特别是Google,Facebook都开源了很多功能强大的库，非常不错.所以语言我们选Python.

• 开发工具的话，建议大家用Anaconda，是一个强大的科学计算的Python发行版，首推数据分析开发工具.支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。

推荐使用里面的spyder和Jupyter Notebook非常不错,界面美观而且调试方便

2.数据分析的库

Python数据分析这么流行，其中跟两个第三方的库非常相关，一个是Numpy,一个是Pandas，这两个库如果你要做数据分析，必须要熟练掌握使用~~

• Numpy偏数组多一点，特别是多维数组，矩阵,非常灵活方便.内置了大量的矩阵的操作，对于科学计算来说简直就是神器.

• Pandas偏series多一点，而且跟时序相关，内置了大量库和一些标准的数据模型，特别是对于大型的数据的处理，非常的高效和快捷.

• 比如对于一个1000万行的CVS数据的处理，用字典去处理大概需要60几秒，而pandas只需要4秒，而且代码行更少.以后我们会用实战例子去证明这一点

当然上面都是一些入门必学技能，继续修炼的话需要了解大数据的处理,以及一些机器学习的库sk-learn和深度学习的一些框架

3.什么是NumPy

1).Numpy全称叫Numeric Python，听名字就知道跟数值有关，没错numpy,提供了许多高级的数值编程工具，如：矩阵运算、多维数组，矢量运算,线性代数，随机数的生成，均方差等这些科学计算操作非常方便.

2).Ndarray 对象

Numpy里面有一个最最有名的Ndarray对象,几乎所有的操作都围绕这个Ndarray来，也叫多维数组.

数组是主流语言的标配数据结构,Python中的列表其实也是这样的一种数据结构，但是列表跟数组不一样;比如列表的元素可以是任意的类型,列表需要保存每个对象的指针和对象,很浪费内存空间，而且不支持多维数组

Ndarray会支持多维数组，而且数组之间的转换非常方面，内置了很多高效的内建函数，都是用C写的，有利于节省内存和提高CPU的计算时间。比如需要计算一百万数据的正弦函数用numpy比python里的标准函数要快近10倍~~

4.Ndarray和Python list的相似之处

import numpy

n1=numpy.array(['AA','BB','CC','DD','EE'])

list1=['AA','BB','CC','DD','EE']

a).都可以通过下标去访问

print n1[0]

>>'AA'

print list1[0]

>>'AA'

b).都可以切片去访问

n1=numpy.array(['AA','BB','CC','DD','EE'])

list1=['AA','BB','CC','DD','EE']

print n1[1:3]

>>['BB' 'CC']

print list1[1:3]

>>['BB', 'CC']

c).都可以用循环处理

n1=numpy.array([1,2,3,4])

for n in n1:

print n

>>

1

2

3

4

5.Ndarray和Python list的不同之处

a).Ndarray里面的元素必须是同一种类型

(int,float,string_,bool, ...)

要么都是int,要么都是float,要么都是字符串

n1=np.array(['a','b','c',100])

>>

['a' 'b' 'c' '100']

因为ndarray要求所以的类型必须一样，你会发现100变成了字符串'100'

b).矢量运算

比如相加

a1=np.array([1,2,3])

a2=np.array([4,5,6])

print a1+a2

>>[5,7,9]

而类似的加操作在list中

list1=[1,2,3]

list2=[4,5,6]

print list1+list2

>>[1,2,3,4,5,6]

比如相乘

a1=np.array([1,2,3])

print a1*3

>>[3,6,9]

而类似的操作在list中

a1=[1,2,3]

print a1*3

>>[1,2,3,1,2,3,1,2,3]

比如乘方

先产生3*3矩阵，每个数字都是0-9之间

arr1=np.random.randint(0,10,(3,3))

print arr1

>>

[[6 7 5]

 [9 6 0]

 [5 5 9]]

arr2=arr1**2

print arr2

>>

[[36 49 25]

 [81 36  0]

 [25 25 81]]

c).内置了一些通用(ufunc)函数

比如max(),min(),argmax(),argmin(),mean()计算中位数,std()计算均方差等函数

留一个思考题

题目一：

a=np.array([1,2,3,4,5])

b=a 

a+=np.array([1,1,1,1,1])

print b

题目二：

a=np.array([1,2,3,4,5])

b=a 

a=a+np.array([1,1,1,1,1])

print b

看看题目一和题目二的print b的结果是什么，会一样吗?

End.

来源 | 菜鸟学Python

作者 | xinxin