标签：数据分析 常用 plt python pyplot df values np import
numpy 创建矩阵： 引入numpy库并生成矩阵
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
常用方法：
矩阵元素个数 a.size
矩阵形状 a.shape
矩阵维度 a.ndim
矩阵元素类型 a.dtpye
矩阵的加减乘除 。np.dot(x,y)
pandas Pandas 是基于 NumPy 的一个开源 Python 库，它被广泛用于快速分析数据，以及数据清洗和准 备等工作。它的名字来源是由‚ Panel data‛（面板数据，一个计量经济学名词）两个单词拼 成的。简单地说，你可以把 Pandas 看作是 Python 版的 Excel。
DataFrame对象的构建： DataFrame是一种表格型数据结构，它含有一组有序的列，每列可以是不同的值。 DataFrame既有行索引，也有列索引，可以根据dict进行创建，以及读取csv或者txt文件来创建 引入pandas包：
import pandas as pd
pandas相关简单设置：
pd.set_option('display.max_columns', None)#显示所有列
pd.set_option('display.max_rows', None)#显示所有行
pd.set_option('expand_frame_repr',False)#在一行显示
pd.set_option('display.unicode.ambiguous_as_wide', True)#中文对齐
pd.set_option('display.unicode.east_asian_width', True)#中文对齐
打开并转换为DataFrame格式：
a=pd.read_csv('d:/a11.csv',sep=',',encoding='utf-8')
df1= pd.DataFrame(a)
其他的一些方法：
#print(df1.columns)#列名字，标签
#print(df.dtypes)#每列的数据类型
#print(df.shape)#df的形状
#print(df.ndim)#df维度
#print(df.describe())#每列的描述，通常用来判断是否有缺失
DataFrame的数据提取方法：
主要用到的三个函数：loc,iloc，loc函数按标签值进行提取，iloc按位置进行提取。
1、按索引提取单行的数值
df_inner.loc[3]
2、按索引提取区域行数值
df_inner.iloc[0:5]
3、使用iloc按位置区域提取数据
df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称，而是数据所在的位置，从0开始，前三行，前两列。
4、适应iloc按位置单独提起数据
df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行，4、5列
绘图库 Matplotlib Matplotlib是一个Python 2D绘图库，它可以在各种平台上以各种硬拷贝格式和交互式环境生成 出具有出版品质的图形。
#画线
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.plot([1,2,34])
plt.ylabel("温度")
plt.show()
#画线步骤
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_values=[1,2,3,4,5]
y_values=[1,4,9,16,25]
plt.plot(x_values,y_values,linewidth=5)
plt.title("每月入学人数",fontsize=20)
plt.xlabel("月份",fontsize=10)
plt.ylabel("人数",fontsize=10)
plt.tick_params(axis='both',labelsize=20)
plt.show()
#画散点
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
x_values=np.random.rand(10)
y_values=np.random.rand(10)
plt.scatter(x_values,y_values)
plt.show()
#画柱状图
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
x_values=np.arange(10)
y_values=np.random.randint(0,30,10)
plt.bar(x_values,y_values)
plt.show()
#画饼图
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
x_values=np.random.randint(1,10,3)
print(x_values)
plt.pie(x_values,None,['男','女','未知'])
plt.show()
Matplotlib常用绘制图形：
折线图matplotlib.pyplot.plot
柱状图matplotlib.pyplot.bar
散点图matplotlib.pyplot.scatter
饼图matplotlib.pyplot.pie
################################################################## 三个库的综合比较 Numpy：基础的数学计算模块，以矩阵为主。
来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多，本身是由C语言开发
。这个是很基础的扩展，其余的扩展都是以此为基础。数据结构为ndarray。
Pandas:提供一套名为DataFrame的数据结构，适合统计分析中的表结构,以及做数据分析
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。最具有统计意味的工具包，某些方面优于R软件。数据结构有一维的
Series，二维的DataFrame(类似于Excel或者SQL中的表，Pandas和SQL有很多相似的地方)。
包括：
1.汇总和计算统计，处理缺失值
2.清理、转换、合并、重塑
3.日期和时间数据类型及工具
Matplotlib::绘图模块
Python中最著名的绘图模块
包括：
1.散点图，折线图，条形图，直方图，饼状图等的绘制。
2.坐标轴的调整，添加文字注释，区域填充，及特殊图形patches的使用
标签：数据分析,常用,plt,python,pyplot,df,values,np,import 来源： https://www.cnblogs.com/gc2770/p/14964980.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。