在极客时间上买了陈旸老师的数据分析实战45讲，以下是第二周对于专栏内容的概括、思考和对实战项目的记录。
4.15 周一
03 | Python的基础语法
包括输入输出，for/while循环，列表、元组、字典和集合，注释、引用和函数
浙江大学ACM答题网址，这是浙江大学ACM 的 OnlineJudge。
04 | Numpy快速处理数据
Numpy数组存储在一个均匀连续的内存块中，而列表list在内存中是分散的，所以Numpy不像list还需要对内存地址进行查找，从而节省了计算资源。
Numpy里有两个重要对象：ndarray(N-dimensional array object)解决了多维数组的问题，ufunc(universal function object)则是对数组进行处理的函数。
ndarray对象：
ndarray是多维数组的含义，每一个线性的数组成为一个轴（axes），axes=0是跨行（纵向），axes=1是跨列（横向）
一些已经会的东西，不再赘述。
ufunc对象：
NumPy 可以很方便地创建连续数组，比如我使用 arange 或 linspace 函数进行创建：np.arange 和 np.linspace 起到的作用是一样的，都是创建等差数组。这两个数组的结果x1,x2 都是 [1 3 5 7 9]。结果相同，但是你能看出来创建的方式是不同的。arange() 类似内置函数 range()，通过指定初始值、终值、步长来创建等差数列的一维数组，默认是不包括终值的。
linspace 是 linear space 的缩写，代表线性等分向量的含义。linspace() 通过指定初始值、终值、元素个数来创建等差数列的一维数组，默认是包括终值的。
1、算数运算：
通过 NumPy 可以自由地创建等差数组，同时也可以进行加、减、乘、除、求 n 次方和取余数。
x1 = np.arange(1,11,2)
x2 = np.linspace(1,9,5)
x1 = np.arange(1,11,2)
x2 = np.linspace(1,9,5)
print np.add(x1, x2)
print np.subtract(x1, x2)
print np.multiply(x1, x2)
print np.divide(x1, x2)
print np.power(x1, x2)
print np.remainder(x1, x2)
运行结果：
[ 2. 6. 10. 14. 18.]
[0. 0. 0. 0. 0.]
[ 1. 9. 25. 49. 81.]
[1. 1. 1. 1. 1.]
[1.00000000e+00 2.70000000e+01 3.12500000e+03 8.23543000e+05
3.87420489e+08]
[0. 0. 0. 0. 0.]
以x1, x2 数组为例，求这两个数组之间的加、减、乘、除、求 n 次方和取余数。在 n次方中，x2 数组中的元素实际上是次方的次数，x1 数组的元素为基数。在取余函数里，你既可以用 np.remainder(x1, x2)，也可以用 np.mod(x1, x2)，结果是一样的。
2、统计函数：
在 NumPy 中如何使用统计函数。
计数组 / 矩阵中的最大值函数 amax()，最小值函数 amin()
import numpy as np
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
print np.amin(a)
print np.amin(a,0)
print np.amin(a,1)
print np.amax(a)
print np.amax(a,0)
print np.amax(a,1)
运行结果：
1
[1 2 3]
[1 4 7]
9
[7 8 9]
[3 6 9]
amin() 用于计算数组中的元素沿指定轴的最小值。对于一个二维数组 a，amin(a) 指的是数组中全部元素的最小值，amin(a,0) 是延着 axis=0 轴的最小值，axis=0 轴是把元素看成了 [1,4,7], [2,5,8], [3,6,9] 三个元素，所以最小值为 [1,2,3]，amin(a,1) 是延着 axis=1轴的最小值，axis=1 轴是把元素看成了 [1,2,3], [4,5,6], [7,8,9] 三个元素，所以最小值为[1,4,7]。同理 amax() 是计算数组中元素沿指定轴的最大值。
3、统计最大值与最小值之差 ptp()
代码：
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
print np.ptp(a)
print np.ptp(a,0)
print np.ptp(a,1)
运行结果：
8
[6 6 6]
[2 2 2]
对于相同的数组 a，np.ptp(a) 可以统计数组中最大值与最小值的差，即 9-1=8。同样ptp(a,0) 统计的是沿着 axis=0 轴的最大值与最小值之差，即 7-1=6（当然 8-2=6,9-3=6，第三行减去第一行的 ptp 差均为 6），ptp(a,1) 统计的是沿着 axis=1 轴的最大值与最小值之差，即 3-1=2（当然 6-4=2, 9-7=2，即第三列与第一列的 ptp 差均为 2）。
4、统计数组的百分位数 percentile()：
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
print np.percentile(a, 50)
print np.percentile(a, 50, axis=0)
print np.percentile(a, 50, axis=1)
运行结果：
5.0
[4. 5. 6.]
[2. 5. 8.]
同样，percentile() 代表着第 p 个百分位数，这里 p 的取值范围是 0-100，如果 p=0，那么就是求最小值，如果 p=50 就是求平均值，如果 p=100 就是求最大值。同样你也可以求得在 axis=0 和 axis=1 两个轴上的 p% 的百分位数。
5、统计数组中的中位数 median()、平均数 mean()
用 median() 和 mean() 求数组的中位数、平均值，同样也可以求得在 axis=0 和 1两个轴上的中位数、平均值。
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
# 求中位数
print np.median(a)
print np.median(a, axis=0)
print np.median(a, axis=1)
# 求平均数
print np.mean(a)
print np.mean(a, axis=0)
print np.mean(a, axis=1)
运行结果：
5.0
[4. 5. 6.]
[2. 5. 8.]
5.0
[4. 5. 6.]
[2. 5. 8.]
6、NumPy 排序：
排序算法在 NumPy 中实现起来其实非常简单，一条语句就可以搞定。你可以使用 sort 函数，sort(a, axis=-1, kind=‘quicksort’, order=None)，默认情况下使用的是快速排序；在 kind 里，可以指定 quicksort、mergesort、heapsort 分别表示快速排序、合并排序、堆排序。同样 axis 默认是 -1，即沿着数组的最后一个轴进行排序，
也可以取不同的 axis 轴，或者 axis=None 代表采用扁平化的方式作为一个向量进行排序。另外 order 字段，对于结构化的数组可以指定按照某个字段进行排序。
a = np.array([[4,3,2],[2,4,1]])
print np.sort(a)
print np.sort(a, axis=None)
print np.sort(a, axis=0)
print np.sort(a, axis=1)
运行结果：
[[2 3 4] [1 2 4]]
[1 2 2 3 4 4]
[[2 3 1] [4 4 2]] ？？？？这块没有懂
[[2 3 4] [1 2 4]]