Python数据分析-Numpy，Matplotlib，Pandas

jupyter使用
anaconda powershell prompt 打开 jupyter notebook
1、输入：cd C:\Users\asus\Desktop\iPython
2、输入：jupyter notebook

Python数据分析

纲要

基础概念和环境

matplotlib

画图

numpy

处理数值型数组

pandas

处理数值型数组、字符串、时间序列、列表、字典等数据类型

0、综述

1、为什么要学习数据分析

1. 有岗位需求
2. 是Python数据科学的基础
3. 是机器学习课程的基础
4. 非常方便的从一堆数据中找一些非常直观的经验、结论共自己或别人使用

2、什么是数据分析

数据分析是用适当的方法对收集来的大量数据进行分析，帮助人们作出判断，以便采取适当行动。

数据分析流程：
提出问题→准备数据→分析数据→获得结论→成果可视化/文字/报告

3、环境安装

创建环境：conda creat——name python3 pyhton=3
切换环境：windows：activate python3
官网地址：www.anaconda.com/downdoad/

4、认识jupyter notebook

一、matplotlib

为什么要学习matplotlib：

1. 能将数据进行可视化，更直观的呈现
2. 使数据更加客观、更具说服力

1、什么是matplotlib

matplotlib：最流行的Python底层绘图库，主要做数据可视化图表，名字取材于MATLAB，模仿MATLAB构建

2、matplotlib基本要点

1、matplotlib 基础绘图

axis轴：指x或者y这种坐标轴

基本要点：
每个红色的点是坐标，把5个点的坐标连接成一条线，组成了一个折线图

eg：假设一天中每隔两个小时(range(2,26,2))的气温(℃)分别是 [15,13,14.5,17,20,25,26,26,27,22,18,15]

from matplotlib import pyplot as plt
       #导入pyplot
x=range(2,26,2)
       #数据在x轴的位置，是一个可迭代对象
y=[15,13,14.5,17,20,25,26,26,24,22,18,15]
       #数据在y轴的位置，是一个可迭代对象
       #x轴和y轴的数据一起组成了所有要绘制出的坐标
       #分别是(2,15)(4,13)(6,14.5)……
plt.plot(x,y)
       #传入x和y,通过plot绘制出折线图
plt.show()
       #在执行程序的时候展示图形

（python、pycharm都可以实现）

存在的问题:

1. 设置图片大小(想要一个高清无码大图)
2. 保存到本地
3. 描述信息,比如x轴和y轴表示什么,这个图表示什么
4. 调整x或者y的刻度的间距
5. 线条的样式(比如颜色,透明度等)
6. 标记出特殊的点(比如告诉别人最高点和最低点在哪里)
7. 给图片添加一个水印(防伪,防止盗用)

2、matplotlib 基础绘图和X轴刻度的调整

from matplotlib import pyplot as plt
       #导入pyplot
    
x=range(2,26,2)
       #数据在x轴的位置，是一个可迭代对象
    
y=[15,13,14.5,17,20,25,26,26,24,22,18,15]
       #数据在y轴的位置，是一个可迭代对象
       #x轴和y轴的数据一起组成了所有要绘制出的坐标
       #分别是(2,15)(4,13)(6,14.5)……

#设置图片大小
plt.figure(figsize=(20,8),dpi=80)

#绘图
plt.plot(x,y)
       #传入x和y,通过plot绘制出折线图

#设置x轴的刻度

# plt.xticks(x)   #步长2

# plt.xticks(range(2,25))

# _xtick_labels = [i/2 for i in range(2,49)]
# plt.xticks(_xtick_labels)

# _xtick_labels = [i/2 for i in range(2,49)]
# plt.xticks(_xtick_labels[::3])

_xtick_labels = [i/2 for i in range(2,49)]
plt.xticks(range(25,50))

#设置y轴的刻度

# plt.yticks(y)

plt.yticks(range(min(y),max(y)+1))

#保存
plt.savefig("./t1.png")   
    
#展示图形
plt.show()
       #在执行程序的时候展示图形

3、matplotlib 绘制10点到12点的气温

案例
【1】如果列表a表示10点到12点的每一分钟的气温,如何绘制折线图观察每分钟气温的变化情况?
a= [random.randint(20,35) for i in range(120)]

from matplotlib import pyplot as plt
import random

x = range(0,120)
y = [random.randint(20,35) for i in range(120)]

# 设置图片大小
plt.figure(figsize=(20,8),dpi=80)

plt.plot(x,y)

plt.show()

4、matplotlib 设置显示中文

from matplotlib import pyplot as plt
import random

x = range(0,120)
y = [random.randint(20,35) for i in range(120)]

# 设置图片大小
plt.figure(figsize=(20,8),dpi=80)

plt.plot(x,y)

# 调整x轴的刻度
# _x = x
# _xtick_labels = ["hello,{}".format(i) for i in _x]
# plt.xticks(x,_xtick_labels)

_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]

# 取步长，数字和字符串一一对应，数据的长度一样
plt.xticks(list(x)[::3],_xtick_labels[::3])

plt.show()

5、matplotlib 设置图形信息

6、matplotlib 绘制多次图形和不同图形的差异介绍和总结

3、matplotlib的散点图、直方图、柱状图

1、matplotlib 绘制散点图

2、matplotlib 绘制条形图

3、matplotlib 绘制多次条形图

4、matplotlib 绘制直方图

4、更多的画图工具

二、Numpy 学习

1、什么是 Numpy

1、Numpy 数组创建

2、Numpy 数组的计算

2、Numpy 基础

1、Numpy 读取本地数据

2、Numpy 索引和切片

3、Numpy 更多索引方式

3、Numpy 常用统计方法

1、数据的拼接

1、Numpy 中的随机方法

1、Numpy 和 Nan 的常用统计方法

1、Numpy 中填充 Nan 和 youbute 数据的练习

三、Pandas 学习

1、Pandas 的 series 了解

2、Pandas 读取外部数据

3、Pandas 的 dataFrame 创建

4、Pandas 的 Dataframe 描述信息

3、Pandas 的 dataframe 索引

3、Pandas 的 bool 索引和缺失数据的处理

3、电影数直方图

3、Pandas 的常用统计方法

3、字符串离散化的案例

3、数据合并

3、数据分散聚合

3、数据的索引学习

3、数据分散聚合练习和总结

3、Pandas 时间序列

3、案例

3、PM2.5 案例

3、豆瓣电视案例