《机器学习从入门到精通》课件-第3章数据分析的基础

第3章

数据分析的基础3.1认识Numpy和Pandas3.2Numpy的基本使用3.3Pandas的基本使用3.1认识Numpy和PandasNumpy（NumericalPython）提供了python对多维数组对象的支持：ndarray，具有矢量运算能力，快速、节省空间。Numpy支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Pandas（PythonDataAnalysisLibrary）是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas纳入了大量的数据分析函数库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。除此以外，Pandas还提供了大量能使快速便捷地处理数据的函数和方法，使得Python成为强大而高效的数据分析环境的重要因素之一。3.2Numpy的基本使用3.2.1创建ndarray数组ndarray数组是一个N维数组对象（矩阵），它里面设置的所有元素必须是相同的类型。现在通过如下的代码，先来尝试的创建一个ndarray数组。importnumpyasnp

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

print(x)print(type(x))3.2Numpy的基本使用如果设定的值为不相同类型，那么会统一按照其某一种类型进行统一。importnumpyasnpy=np.array([[1,2.,3],[4,5,6]])print(y)print(type(y))类型类型代码说明int8、uint8i1、u1有符号和无符号的8bit（1个字节）整型int16、uint16i2、u2有符号和无符号的16位（2个字节）整型int32、uint32i4、u4有符号和无符号的32位（4个字节）整型int64、uint64i8、u8有符号和无符号的64位（8个字节）整型float16f2半精度浮点数float32f4/f标准的单精度浮点数float64f8/d标准的双精度浮点数。float128f16/g扩展精度浮点数complex64、complex128、complex256c8、c16、c32分别用2个32位、64位或128位浮点数表示的复数bool?存储True和False值得布尔类型objectOPython对象类型string_S固定长度的字符串类型（每个字符1个字节）unicode_U固定长度的unicode类型（字节数由平台决定）3.2Numpy的基本使用3.2Numpy的基本使用3.2.2运用ndarray数组ndarray数组是一个多维的数组，多维数组中的维度称之为“轴”（axis），想要了解一个新的数据参数它是多少维度，可以通过ndim属性来进行访问。而shape属性是可以用来访问多少维度以及每一个维度所对应的它的长度。1、ndarray的算术运算2、ndarray的切片3.2Numpy的基本使用1、ndarray的算术运算ndarray数组使用非常的灵活，它不需要使用循环就可以对列表里的元素执行算术运算，语法和对标量元素的操作一样。3.2Numpy的基本使用2、ndarray的切片切片（slice）是指从数据的位置中找出符合对应位置的数据出来。在进行切片时，通常需要为数组的每个维度指定一个切片位置，每个维度之间用逗号分割，如果没有逗号，表示只在第一维上进行切片。3.3Pandas的基本使用3.3.1Series数据结构1、创建Series数据结构

在Pandas中的Series数据结构是一个像数组一样的一维对象，可以存储很多类型的数据。3.3Pandas的基本使用2、访问Series的元素

Series可以同时使用下标和标签两种方式进行访问。3.3Pandas的基本使用3.3.2DataFrame数据结构1、DataFrame数据结构的创建

Series对象的index数组存放有每一个元素的标签，而DataFrame对象则有所不同，它有两个索引数组，第一个数组与行相关，它与Series的索引数组极为相似。每个标签与标签所在行的所有元素相关联。而第二个数组包含一系列列标签，每个标签与一列数据相关联。3.3Pandas的基本使用2、DataFrame数据结构的创建

访问DataFrame，需要先使用列的名称，如图3-2所示通过名字、成绩和ID，得到该列对应的Series对象，然后使用下标或者标签访问Series中的元素。3.3Pandas的基本使用3、Data