数据分析
matlab
Numpy + scipy + pandas +matplotlib
数据计算 +科学应用＋数据清洗＋数据可视化
１ Numpy概述
1 基于c语言的python接口的数值算法库
2 开源免费
3 弥补了python语言在数值计算方面的短板
4 作为常用科学计算工具的底层支撑
2 Numpy的性能
1 简化代码编写，提高开发效率
2 通过优化底层实现，提高运行速度
基础：
1 数组
2 Numpy中的数组是ndarray类实例化的对象：
实例数据：数组的内容
元数据：对数组的描述
大部分对数组的操作仅仅是对元数据的操作，以此提高执行性能
3 Numpy中的数组必须是同质的，即所有元素的数据类型必须完全相同
4 dtype和shape属性分别表示元素类型和维度
5 实例化
np.arange(起始值，终止值，步长)
默认起始值0
默认步长：1
np.array(任何可被解释为数组的序列)
6 类型转换astype(目标类型)->转换后的新数组
7 '<U21' 表示字符串，其中每个字符都是小端字节序的21位Unicode字符
3 多维数组和元素索引
数组的维度表示为一个元组:(高维度数->低维度数)
一维数组，6个元素:（6，）
二维数组，2行3列：（2，3）
三维数组，2页3行4列：（2，3，4）
1 通过下标运算符访问数组中的元素
2 数组[页标][行标][列标]
3 数据类型
存储形式，处理方式
1 内置类型
布尔型
bool_ : True/False
整型
有符号 ：int8/int16/int32/int64
无符号 : uint8/uint16/uint32/uin64
浮点型： float16/float32/float64
复数型 ：complex64/complex128
2 复合类型
有多个相同或不同类型的字段组合而成的类型
np.array(..,dytpe=复合类型)
3 类型字符码
bool_:?
有符号整型：i1/2/4/8
无符号整型：u1/2/4/8
浮点型： f2/4/8
复数型：c8/16
字符串:U<字符数>
日期时间：M
字节序(针对多字节整型)：</>/=表示小端/大端/硬件
4 切片
数组[起始：终止：步长]
默认起始：首（正步长）/尾(负步长)
默认终止：尾后(正步长)/首前
默认步长:1
5 变维
1 视图变维：元数据独立，实际数据共享
1 数组.reshape(新维度) ->新数组
元素数和维度数必须匹配
2 数组.ravel() -> 得到的是一维数组
3 复制变维：元数据和实际数据都是独立的
数组.flatten() -->一维数组 （数组运算不会改变）
4 就地变维：修改元数据的值（维度信息，不会产生新的数组对象）
数组.shape = 新维度
数组.resize(新维度)
6 组合拆分
1 垂直组合：沿着垂直方向组合两个小的同维数组为一个大数组
np.vstack((上，下)) np.concatenate((上，下),axis=0)
axis : 轴向，用维度的下标表示 0为行，，1为列
2 水平组合：沿着水平方向组合两个小的同维数组为一个大数组
np.hstack((左，右))
np.concatenate((左，右),axis=1)
3 深度组合:沿着纵深方向组合两个小的同维数组为一个大数组
np.dstack((前，后)) 会升维
4 行组合：以两个一维数组按照行的方式组合成一个二维数组
np.row_stack((上，下))
5 列组合：以两个一维数组按照列的方式组合成一个二维数组
np.column_stack((左,右))
6 垂直拆分：将一个大的数组沿着垂直方向拆分成若干个小的同维数组
np.vsplit(被拆分数组，拆分份数)
np.split(被折分数组，拆分份数，axis=0)
7 水平拆分：将一个大的数组沿着水平方向拆分成若干个小的同维数组
np.hsplit(被折分数组，拆分份数)
np.split(被折分数组，拆分份数，axis=1)
8 深度拆分：将一个大的数组沿着纵深方向拆分成若干个小的同维数组
np.dsplit(被拆分数组，拆分份数)
7 ndarray的属性
dtype -元素的数据类型
shape - 数组的维度
ndim - 数组的维数，len(shape)
size - 数组的元素数,shape中元素相乘
itemsize - 元素字节数，与dtype相关
nbytes - 总字节数，size x itemsize
T - 转置视图
real - 复数数组的实部视图
imag - 复数数组的虚部视图
flat - 扁平迭代器
8 ndarray <==>list
np.array(列表) 二：数据可视化(Matplotlib)
1 基本绘图
plot(水平坐标，垂直坐标)
2 线型，线宽和颜色
plot(...,linestyle=线型，linewidth=线宽，color=颜色,...)
线形:[-]/--/:./o/o-/...
线宽：0-oo
color:dodgerblue/orangeered/limegreen/red/blue/...
3 设置坐标范围
xlim(水平坐标最小值，水平坐标最大值)
ylim(水平坐标最大值，水平坐标最大值)
坐标范围越大，图形越小，反而反之。
4 设置坐标刻度
xticks([水平轴刻度位置])
yticks([垂直轴刻度位置])
表示数学的字符pi( [r'$-\pi$'] )
表示数学2分之pi ( r'$-\frac{\pi}{2}$' )
5 设置坐标轴属性
ax = gca() # 获取当前坐标轴图
ax.spines['left'] - 左纵轴
ax.spines['left'].set_position(('data', 0))
ax.spines['right'] - 右纵轴
ax.spines['top'] - 上横轴
ax.spines['bottom'] - 下横轴
XX轴.set_position((坐标系，坐标值)) #设置位置 XX轴.set_color(颜色) #设置颜色
ax.spines['top'].set_color('none')
6 图例
plot(...,label=图例标签,...)
legend([loc=显示位置])
7 添加特点
scatter(水平坐标，垂直坐标，s=大小,marker=点型,
edgecolor=边缘色,facecolor=填充色,zorder=Z顺序)
8 备注
annotate(
备注文本，
xy =目标坐标，
xycoords =目标坐标系,
xytext=文本坐标，
textcoords=文本坐标系,
fontsize=字体大小,
arrowprops=箭头属性)
9 图形(窗口)对象
figure(窗口名(标题栏文本),figsize=大小，dip=分辨率,facecolor=颜色)
如果与指定窗口名对应的图形对象不存在，那么就新建一个图形窗口，如果已存在，那么不会再新建图形窗口，而是将已存在的那个图形窗口设置为当前窗口
title(窗口标题,fontsize=字体大小)
xlabel（垂直轴标签,fontsize=字体大小）
tick_params(labelsize=刻度标签字体大小)
grid(linestyle=网格线型)
10 子坐标图
1 矩阵布局
subplot(行数，列数，图号)
tight_layout() #紧凑布局
2 删格布局
删格定位器 = mp.GridSpec(行数，列数)
subplot(删格定位器[行，列] 3 *布局
axes([左，底，宽，高]) # 归一化单位
11 刻度定位器
xxxLocator(定位规则)
ax = gca()
ax.xaxis 水平坐标
ax.yaxis 垂直坐标
坐标轴.set_major_locator(刻度定位器) #主刻度
坐标轴.set_minor_locator(刻度定位器) #次刻度
mp.axis('off') #关闭坐标轴
12 区域填充
fill_between(水平坐标，起点垂直坐标，终点垂直坐标，color=颜色,alpha=透明度 )
13 条形图
bar(水平坐标，绝对高度，相对宽高,color=颜色,label=图例标签，alpha=透明度)
14 饼图
pie(值数组，间隙数组，标签数组，颜色数组,shadow =是否带阴影，startangle=起始角度)
15 等高线图
contour(点阵X坐标矩阵，点阵Y坐标矩阵，点阵Z坐标矩阵，梯度数,colors=颜色,linewidths=线宽)
16 热力图 17 网格线
ax = gca()
ax.grid(which="major/minor",axis='x/y/both')
18 半对数坐标
semi(同plot)
19 极坐标
gca(projection='polar') #创建极坐标图
plot/scatter(极角，极径)
20 三维坐标系
from mp;_toolkits.mplot3d import axes3d
1 三维散点
ax.scatter(x坐标，Y坐标，Z坐标，s= 大小，marker=点形 ，
edgecolor=边缘色，fancecolor=填充色，
zorder=Z顺序)
2 空间曲面
ax.plot_surface(点阵X坐标，点阵Y坐标矩阵，点阵Z坐标矩阵，rstride=行跨距，
cstride=列跨距，cmap=颜色映射)
ax.plot_wireframe(点阵X坐标矩阵，点阵Y坐标矩阵，点阵Z坐标矩阵，
rstride=行跨距，cstride=列跨距，linewidth=线宽，color=颜色)