print(np.random.rand(2,3))
print(np.random.randint(1,10,3))
print(np.random.randn(2,4))
print(np.random.choice([10,20,30]))

Python数据分析库1

Python数据分析概述

Python数据分析

markmark

插眼, pandas 真不错

....................

...........

lst.sum, lst.min, lst.min

中axis:

    - axis=0, 对最外层的每行进行操作

    - axis=1, 对倒数第二层的每行进行操作

fig = plt.figure()
ax = fig.add_subplot(3, 3, 1)
n = 128
X = np.random.normal(0, 1, n)
Y = np.random.normal(0, 1, n)
T = np.arctan2(Y, X)
# plt.axes([0.025, 0.025, 0.95, 0.95])
ax.scatter(X, Y, s=75, c=T, alpha=.5)
plt.xlim(-1.5, 1.5), plt.xticks([])
plt.ylim(-1.5, 1.5), plt.yticks([])
plt.axis()
plt.title("scatter")
plt.xlabel("x")
plt.ylabel("y")
# bar
fig.add_subplot(332)
n = 10
X = np.arange(n)
Y1 = (1 - X / float(n) * np.random.uniform(0.5, 1.0, n))
Y2 = (1 - X / float(n) * np.random.uniform(0.5, 1.0, n))

plt.bar(X, +Y1, facecolor="#9999ff", edgecolor="white")
plt.bar(X, -Y2, facecolor="#ff9999", edgecolor="white")
for x, y in zip(X, Y1):
    plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')
for x, y in zip(X, Y2):
    plt.text(x + 0.4, -y - 0.05, '%.2f' % y, ha='center', va='top')

# Pie
fig.add_subplot(333)
n = 20
Z = np.ones(n)
Z[- 1] *= 2
plt.pie(Z, explode=Z * .05, colors=['%f' % (i / float(n)) for i in range(n)],
        labels=['%.2f' % (i / float(n)) for i in range(n)])
plt.gca().set_aspect('equal')
plt.xticks(), plt.yticks([])

# polar
fig.add_subplot(334, polar=True)
n = 20
theta = np.arange(0.0, 2 * np.pi, 2 * np.pi / n)
radii = 10 * np.random.rand(n)
# plt.plot(theta,radii)
plt.polar(theta, radii)

# heatmap
fig.add_subplot(335)
from matplotlib import cm
data = np.random.rand(3, 3)
cmap = cm.Blues
map = plt.imshow(data, interpolation='nearest', cmap=cmap,
                 aspect='auto', vmin=0, vmax=1)
# 3D
from mpl_toolkits.mplot3d import Axes3D
ax = fig.add_subplot(336, projection="3d")
ax.scatter(1, 1, 3, s=100)

# hot map
fig.add_subplot(313)

def f(x, y):
    return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)

n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X, Y = np.meshgrid(x, y)
plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)
plt.savefig("./fig.png")
plt.show()

1. numpy

2. 关键词:  开源  数据计算扩展

3. 功能:     ndarray   多维操作   线性代数

4. 官网:   http://www.numoy.org/
   

#常用array操作 

list =  (np.arange(1, 11)) #产生一个1-11（不含11）的等差数列

 list =  (np.arange(1, 11)).reshape([2, 5]) # 变成两行五列数组 ,reshape是一种函数，函数可以重新调整矩阵的行数、列数、维数。

print (np.exp(list))  # list 的自然指数 

print (np.exp2(list)) # list 的自然指数的平方 

print (np.sqrt(list)) # list 的开方

sum函数里面的axis是指定行或者列.

axis=0的话是按列求和, axis=1是按行求和

print (np.vstack((list1,list2))) # Vertical 垂直，即纵向连接

print (np.hstack((list1,list2))) #Horizontal 水平，即横向连接

np.concatenate 两个lst的追加 

np.vstack 追加  分成两行 

np.hstack  同concatenate的结果 

np.spilt 分成几份数组

np.zeros([2, 4])  全0数组
np.ones([3, 5])  全1数组
np.random.rand(2, 4)  均匀分布随机数组
np.random.rand()  一个随机数
np.random.randint(1, 10, 5) 在1到10之间生成5个随机数
np.random.randn(2, 3)  标准正态随机数

导入模块并简称：import numpy as np

np.array(list, dtype=np.类型)

np.array 用来创建一个numpy数组。 

np.shape 显示np数组属性 

np.ndim 表示数组维度

 np.dtype表示数组元素类型（如：int8，in16,float64等） 

np.itemsize表示数组元素所占字节大小，如float64占字节8位 np.size表示数组元素个数