✅作者简介:大家好,我是Philosophy7?让我们一起共同进步吧!
个人主页:Philosophy7的csdn博客
系列专栏:Python程序设计现代方法
如果觉得博主的文章还不错的话,请点赞+收藏⭐️+留言支持一下博>主哦
⭐前言:
该章节篇幅略长,望小主耐心阅读
学习目标:
- 了解什么是数据分析?
- 掌握numpy模块,熟悉使用numpy数组进行科学计算
- 掌握matplotlib模块,熟练使用matplotlib绘制图表
- 熟悉Pandas模块,熟练使用pandas处理数据
随着互联网的不断发展,计算机的技术也不断的更新迭代,信息已经积累到一个引发变革的程度,世界上的数据量不断的增大,以指数函数的形式爆炸式增长,驱使人们进入一个大数据时代。在大数据环境中,有许多冗余的数据,这个时候就需要进行对数据的一个分析,挖掘出有价值的信息变得愈发重要,数据分析技术应运而生。
数据分析是Python的一个重要发展方向,之所以选择用Python去进行数据分析,主要是依赖于高质量的第三方模块,常用的就有:
- numpy
- matplotlib
- pandas(后续讲解)
本次将介绍这些优秀的数据分析工具
数据分析指使用适当的统计分析方法对收集来的大量数据进行分析,从中提取有用的信息形成结论。
数据分析一般分为以下几步:
- 明确分析的目的和思路
- 分析目标之前,需要明确几个问题:
- 数据对象是什么?要解决什么样的业务问题?其次需要对项目的深刻理解
- 整理出完整的分析框架和思路
- 数据收集
- 按照确定的框架和思路,有目的地从多个渠道获取结构化或非结构化数据
- 数据处理
- 数据处理指的是对收集来的数据进行清晰、整理和假工,保证数据的质量,是数据分析前不可少的阶段。
- 数据分析
- 数据分析是指通过分析手段、方法和技巧对准备好的数据进行探索、分析,从中发现因果关系、内部联系和业务规律,为目标提供决策参考的过程。
- 数据可视化
- 以自然文字为形式表达出来的数据,自然远不如图表来的清晰明确。所以,一般情况下数据以图表的形式进行呈现,常见的图标类型就有:
- 折线图
- 条形图
- 柱形图
- 饼图等
- 借用图表这种技术手段,可以更直观的呈现数据。
Python本身的数据分析功能并不强,所以借助于第三方的模块来增强它的功能。
- numpy
- matplotlib
- pandas
下面让我们一一介绍这三款数据分析工具的优势以及发展历程
①numpy
一款实现高性能
科学计算
和数据分析
的基础模块,它的前身是由Jim Hugunin开发的numeric和numarray,2005年Travis Oliphant将numarray的功能集成到numeric中创建了numpy,numpy自此诞生了。由于numpy是开源的、强大的特点,它得到了广泛的应用,也得到许多开发者的贡献和支持。numpy模块中包含一个
ndarry
对象,该对象是一个具有矢量计算和复杂广播能力的多维数组,不适用循环即可实现对整个数组的快速运算。此外,numpy中还提供了其他的模块,可以实现线性代数、随机数生成以及傅里叶变换等功能。
②matplotlib
matplotlib是由John D.Hunter开发的一款强大的Python数据可视化绘图模块。Hunter从事数据分析与可视化的工作多年,他一直使用的是Matlab工具编写程序。随着程序难度越来越大,Hunter发现Matlab暴露出很多的缺点,例如:
数据库交互、复杂的数据结构等
。于是Hunter决定使用Python语言编写一个数据可视化的模块,弥补Matlab的缺点,所以matplotlib自此诞生。
matplotlib源于美国的MathWorks公司出品的商业数学软件Matlab,但是又与他不同,主要有以下几个优点:
- 开源免费的
- matplotlib属于Python的扩展模块,继承了Python面向对象、易读、可维护性好等特点
- matplotlib可以借助于Python丰富的第三方模块嵌入到用户界面应用程序,或嵌入到网页中。
③pandas
pandas是一个居于numpy的数据分析模块,它最初由AQR Capital Management于2008年4月开发,并于2009年年底发行开源版本,目前专注于Python数据包开发的PyData团队继续开发和维护。
pandas开发之处被作为金融界的数据分析工具,之后又被广泛应用到了学术和其他商用领域,包括神经科学、经济学、统计学、广告、网络分析等。
pandas中纳入了大量的库和标准数据模型。pandas有以下特点:
- 包含一个快速高效、具有默认和自定义索引的DataForm对象
- 支持多种格式文件的读取和写入
- 智能处理数据对齐和缺失数据
- 自由删除或插入列
- 按照数据分组进行聚合和交换
- 高性能的数据合并和连接
- 生成可视化图表
- 时间序列功能
matplotlib是最出色的绘图库,它可以于numpy一起使用实现数据可视化。
pandas建立于numpy之上,功能十分强大,不仅可以灵活地处理数据,而且可以实现数据可视化。这些模块需要安装
这里的IDE我的是:PyCharm
点击File-->settings-->Project-->Python Interpreter
或在终端界面输入命令行:
pip版本过低无法下载 更新pip
python -m pip install --upgrade pip
python -m pip install --user numpy matplotlib pandas
首先介绍numpy中包含一个多维数组对象,也就是ndarray对象,该对象具有矢量算术能力和复杂的广播能力,常用于科学计算。
ndarray对象中的元素可以通过索引访问,索引从0开始。
ndarray对象的创建有很多种方式,首先介绍该对象有哪些函数
函数 | 说明 |
---|---|
np.array(object) | 利用Python中列表或元组创建数组 |
np.zeros((m,n)) | 创建一个m行,n列且元素均为0的数组 |
np.ones((m,n)) | 创建一个m行,n列且元素均为1的数组 |
np.empty((m,n)) | 创建一个m行,n列且不包含初始项的数组 |
np.arange(x,y,i) | 创建一个由x到y且步长为i的数组 |
np.linspace(x,y,n) | 创建一个由x到y且等分成n个元素的数组 |
np.random.rand(m,n) | 创建一个m行n列且元素为随机值的数组 |
#1.导入numpy模块 并起别名
import numpy as np
'''
通过arange函数可以创建一个等差数组
例如 1 到 16 等差为2的整数
'''
#2.创建一个等差数组
array = np.arange(1,16,2)
print(array)
数组创建好以后便可以查看它的一些基本属性,属性说明如下:
- ndarray.ndim : 数组的维度
- ndarray.shape : 表示数组各维度的大小的整数元组。例如: 一个n行m列的数组 它的shape属性为(n,m)
- ndarray.size : 数组元素的总个数
- ndarray.dtype : 数组元素的数据类型
- ndarray.itemsize : 数组中每个元素的字节大小
import numpy as np
array = np.array([1,3,5]) #创建一维数组
print(array)
#1.显示数组维度
print(array.ndim)
#2.打印数组在每个维度上的大小
print(array.shape)
#3.打印数组的总元素
print(array.size)
print("-"*50)
array2 = np.array([[1,3,5],[2,4,6]]) #创建二维数组
print(array2)
#数组维度
print(array2.ndim)
#数组每个维度的大小
print(array2.shape)
#数组中的元素个数
print(array2.size)
ndarray对象提供了一些可以简单快速修改数组基础形状的属性和方法。
例如,将3行4列的二维数组转换成6行2列的二维数组。
现在我们来介绍这些属性和方法
属性 | 方法 | 说明 |
---|---|---|
ndarray.T | 对数组进行轴对换,不改变数组本身 | |
ndarray.reshape(n,m) | 不改变数组ndarray,返回一个形状为(n,m)的数组 | |
ndarray.resize(new_shape) | 直接改变数组本身 | |
ndarray.ravel() | 对数组进行降维,返回数组的一个视图 | |
ndarray.swaoaxes(axis1,axis2) | 对数组的任意两个维度进行调换 | |
ndarray.transpose() | 不改变数组,返回置换后的数组 |
#1.导入numpy模块
import numpy as np
#2.基本操作
arr = np.array([[1,2,3],[4,5,6]]) #创建2行3列的数组
print(arr)
new_arr = arr.reshape((3,2)) #返回维度为(3,2)的数组 3行2列
print(new_arr)
arr2 = arr.ravel() #降维打击 -- 二维降成一维数组
print(arr2)
print(arr.T) #数组进行轴交换
print("-"*50)
#3.numpy数组支持索引和切片操作
arr = np.arange(1,9).reshape((4,2)) #生成4行2列的数组
print(arr)
#3.1获取第2行的数据
print(arr[1])
#3.2切片操作 获取第1行 到 第3行的数据
print(arr[0:3]) #半闭半开区间 [0,3)
数据可视化,是关于数据视觉表现形式的科学技术研究。其中,这种数据的视觉表现形式被定义为,一种以某种概要形式抽提出来的信息,包括相应信息单位的各种属性和变量。
它是一个处于不断演变之中的概念,其边界在不断地扩大。主要指的是技术上较为高级的技术方法,而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面,通过表达、建模以及对立体、表面、属性以及动画的显示,对数据加以可视化解释。与立体建模之类的特殊技术方法相比,数据可视化所涵盖的技术方法要广泛得多。
随着数据仓库技术、网络技术、电子商务技术的发展,可视化涵盖了更广泛的内容,并产生数据可视化的概念。
人话就是: 将大量数据以图表的形式呈现
matplotlib是一个强大的绘图工具,提供了多种输出的格式,可以轻松帮助开发人员构建自己所需的图形。
其中matplotlib提供了一个子模块pyplot
,该模块封装了Matlab命令时的绘图函数,更加诠释了面向对象语言的优势。
引入模块操作
import matplotlib.pyplot as plt
后续将以plt代替
首先介绍pyplot模块中的绘图区域提供的函数。
函数 说明 plt.figure(figsize=None,facecolor=None) 创建绘图区域 plt.axes(rect,projection,axisbg) 创建坐标系风格的子绘图区域 plt.subplot(nrows,ncols,index) 在当前绘图区中创建一个子绘图区域 olt.subplots(nrows,ncols,index) 在当前绘图区中创建多个子绘图区域
#1.引入模块
import matplotlib.pyplot as plt
#2.通过figure() 可以创建 Figure类对象 该对象代表新的绘图区域
plt.figure(figsize=(10,6),facecolor='green') #绘制尺寸为 10*6的绿色绘图区域 宽度和高度以英寸为单位
plt.show() # 显示绘图区域
这个时候就显示出绘图区域了,要想生活过得去,必须头上来点绿
Figure对象允许将整个绘图区划分为若干个子绘图区域,每个子绘图区域中都对应着唯一的Axes对象,该对象具有属于自己的坐标。
使用axes函数就可以创建一个Axes对象
#1.引入模块
import matplotlib.pyplot as plt
'''
参数详解:
rect参数表示坐标系与整个绘图区域的关系 取值可以为 left bottom width height
默认范围都是[0,1]
projection参数表示坐标轴的投影类型
facecolor 参数 代表着背景色 默认white白色
'''
plt.axes([0.1,0.5,0.7,0.3])
plt.show() #显示绘图区域
效果如下
subplot(nrows,ncols,index)
函数会先将整个绘图区域 等分为:nrows(行) * ncols(列)的矩阵区域,然后按照先行后列的计算方式对每个子区域进行编号。
编号默认从1开始,之后在index的位置上生成一个坐标系。
#1.引入模块
import matplotlib.pyplot as plt
plt.subplots(2,2) #生成两行两列的绘图子区域
plt.show() #显示绘图区域
3.pyplot之图表与风格控制
matplotlib试图将简单的事情变得更简单,让无法实现的事情得以实现,仅仅几行代表就可以生成图标。
例如:直方图、条形图、散点图等。
现在我们就来介绍pyplot模块的绘图函数
函数 | 说明 |
---|---|
plt.plot(x,y) | 绘制折线图 |
plt.boxplot(x,notch) | 绘制箱型图 |
plt.bar(x,height,width,bottom) | 绘制条形图 |
plt.barh(y,width,height,left) | 绘制水平条形图 |
plt.hist(x,bins) | 绘制直方图 |
plt.pie(data) | 绘制饼图 |
plt.scatter(x,y) | 绘制散点图 |
plt.specgram(x,NFFT,Fs) | 绘制光谱图 |
利用pyplot中的Plot函数绘制最简单的折线图,语法格式如下
plot(x,y,fmt,* args,** kwargs)
参数说明:
颜色值 | 说明 |
---|---|
“b”(blue) | 蓝色 |
“g”(green) | 绿色 |
“r”(red) | 红色 |
“y”(yellow) | 黄色 |
风格值 | 说明 |
---|---|
“-” | 实线 |
“–” | 长虚线 |
“-.” | 短点相间线 |
“:” | 短虚线 |
标记字符 | 还可使用 | 说明 |
---|---|---|
“.” | point marker | 点 |
“,” | pixel marker | 像素 |
“o” | circle marker | 实心圆 |
‘v’ | triangle_down marker | 倒三角标记 |
‘^’ | triangle_up marker | 上三角标记 |
‘<’ | triangle_left marker | 左三角标记 |
‘>’ | triangle_right marker | 右三角标记 |
‘1’ | tri_down marker | 下花三角标记 |
‘2’ | tri_up marker | 上花三角标记 |
‘3’ | tri_left marker | 左花三角标记 |
‘4’ | tri_right marker | 右花三角标记 |
‘s’ | square marker | 实心方形标记 |
‘p’ | pentagon marker | 实心五角标记 |
‘*’ | star marker | 星形标记 |
"""
使用plot()函数分别绘制
sin函数
cos函数
"""
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi,np.pi,256,endpoint=True)
c,s = np.cos(x),np.sin(x)
#绘制正弦曲线 颜色为红色 线型为短虚线
plt.plot(x,s,"m:")
#绘制余弦曲线 颜色为绿色 线型为长虚线
plt.plot(x,c,"g--")
plt.show()
效果如下