目錄

?

一、簡介

二、重要的python庫

1.numpy庫

2.pandas

3.matplotlib

4.IPython

5.Scipy

三、python環(huán)境安裝和數(shù)據(jù)分析前的數(shù)據(jù)準備

---

一、簡介

什么是數(shù)據(jù)？本欄目的數(shù)據(jù)主要指的是結(jié)構(gòu)化的數(shù)據(jù)，通常我們使用數(shù)據(jù)這一說法來籠統(tǒng)地概括所有通用格式的數(shù)據(jù)，如：多維數(shù)組、表格型數(shù)據(jù)、關(guān)聯(lián)數(shù)據(jù)、時間序列等。大部分數(shù)據(jù)集都會在我們實際的應(yīng)用過程中被轉(zhuǎn)化為更加適合我們分析和建模的結(jié)構(gòu)化形式的數(shù)據(jù)。

為什么利用python進行數(shù)據(jù)分析？用python的主觀原因是這門語言簡單易學(xué)好上手，python已成為最受歡迎的動態(tài)編程語言之一。其擁有大量的Web框架，同時擁有一個巨大而且活躍的科學(xué)計算社區(qū)。在數(shù)據(jù)分析和交互、探索性計算和數(shù)據(jù)可視化方面pyhton支持我們可以只使用該語言去構(gòu)建以數(shù)據(jù)為中心的應(yīng)用程序。

同時python能夠成功的集成C\C++\Fortran程序，大部分現(xiàn)代計算機環(huán)境都利用了Fortran\C庫來實現(xiàn)線性代數(shù)、優(yōu)選、積分、快速傅里葉變換等其他諸如此類的算法。python還支持構(gòu)建生產(chǎn)系統(tǒng)，從而能更好的解決兩種語言問題，例如python和java等構(gòu)建出一套完整的系統(tǒng)。

python的劣勢：python是一門解釋型編程語言，因此python的程序在運行時幾乎都會相對于編譯型語言要慢的許多。在微信小程序開發(fā)首頁我也做了說明，在時間比CPU值錢的快速發(fā)展時期，人們自然不愿意花費太多時間在代碼編譯運行時間上。對于高并發(fā)、多線程的應(yīng)用程序而言，python擁有的一個叫做全局解釋器鎖的東西會防止解釋器同時執(zhí)行多條python字節(jié)碼指令機制，因此python并不是一門十分理想的語言。

二、重要的python庫

1.numpy庫

Numpy（Numercial Python）是pyhton科學(xué)計算的基礎(chǔ)包，本欄目大部分都是基于numpy以及構(gòu)建其上的庫，該庫提供了以下功能：

• 快速高效的多維數(shù)組對象ndarray；
• 用于對數(shù)組執(zhí)行元素級計算以及直接對數(shù)組執(zhí)行數(shù)學(xué)運算的函數(shù)；
• 用于讀寫硬盤上基于數(shù)組的數(shù)據(jù)集的工具；
• 線性代數(shù)運算、傅里葉變換、以及隨機數(shù)生成；
• 用于將C\C++\Fortran代碼集成到python的工具。

2.pandas

pandas提供了能使我們快速便捷的處理結(jié)構(gòu)化數(shù)據(jù)的大量數(shù)據(jù)結(jié)構(gòu)和函數(shù)，是python能成為強大而高效的數(shù)據(jù)分析的重要因素之一。本欄目用的最多的pandas對象是DataFrame，它是一個面向列的二維表結(jié)構(gòu)，且含有行標和列標。

3.matplotlib

matplotlib是最流行的用于繪制數(shù)據(jù)圖表的python庫，它非常適合用于繪制出版物上的圖表，它跟ipython結(jié)合的很好，因而提供了一種非常好用的交互式數(shù)據(jù)繪制環(huán)境，繪制的圖表也是交互的。

4.IPython

IPython是python科學(xué)計算標準工具集的組成部分，增強python shell目的是提高編寫、測試、調(diào)試pyhon代碼的速度。它主要用于交互式數(shù)據(jù)處理和利用matplotlib對數(shù)據(jù)進行可視化處理。

5.Scipy

Scipy是一組專門解決科學(xué)計算中各標準問題域的包的集合。主要包括以下：

• scipy.integrate:數(shù)值積分例程和微分方程求解器；
• scipy.linalg:擴展了由numpy.linalg提供的線性代數(shù)歷程和矩陣分解功能；
• scipy.optimize:函數(shù)優(yōu)化器以及根查找算法；
• scipy.signal：信號處理工具；
• scipy.sparse:稀疏矩陣和稀疏線性系統(tǒng)求解器；
• scipy.special：specfun的包裝器；
• scipy.stats:標準連續(xù)和離散概率分布；
• scipy.weave：利用內(nèi)聯(lián)的C++代碼加速數(shù)組計算的工具。

三、python環(huán)境安裝和數(shù)據(jù)分析前的數(shù)據(jù)準備

python的安裝不做詳解，網(wǎng)上有很多教程，建議以后都使用py3版本的環(huán)境，2020年以后將不再對python2做維護。

安裝庫時提供一個集成了python很多科學(xué)計算庫的工具anaconda，下載對應(yīng)的版本運行，就不用一個個裝庫那么麻煩了。當(dāng)然若非windows系統(tǒng)而是linux系統(tǒng)那么就不必大費周章。本欄目使用的數(shù)據(jù)請自行下載：https://download.csdn.net/download/qq_25491201/10595335

總結(jié)

以上是生活随笔為你收集整理的利用python进行数据分析之准备工作（1）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。