你将收获

学习NumPy数据分析

学习Matplotlib绘图并使用Matplotlib进行数据分析

学习并掌握数据分析框架pandas

适用人群

对python和数据分析感兴趣, 想开始数据分析师的职业,或者想学习数据分析技能的同学。

课程介绍

【入门基础+轻实战演示】【讲授方式轻松幽默、有趣不枯燥、案例与实操结合,与相关课程差异化】利用python进行数据处理、

分析,并结合大量具体的例子,对每个知识进行实战讲解,本课程通过大量练习和案例对各个知识点技能进行详细讲解。通过本

课程,学生将懂得pandas、numpy、matplotlib等数据分析工具;通过实战,学生将了解标准的数据分析流程,学会使用可视化的

方法展示数据及结果。

本课知识点

python数据可视化数据分析数据编程语言Python数据库可视化标准

课程目录

学员评价

4.6
  • 90%
  • 0%
  • 4%
  • 0%
  • 6%

正在加载中...

同学笔记

  • qq_37079667 2020-08-29 10:27:30

    来源:聚合,广播规则 查看详情

    聚合操作(直接作用在数组上):

    np.sum:和

    np.prod:积

    np.mean:平均数

    np.std:标准差

    np.var:方差

    np.min:最小值

    np.max:最大值

    np.argmin:最小值的索引

    np.argmax:最大值的索引

    np.median:中位数

    np.oercentile:基于元素排序的统计值

    np.any:是否至少存在一个为真的元素

    np.all:所有元素是否为真

     

  • qq_37079667 2020-08-27 21:52:31

    来源:通用函数数组运算 查看详情

    通用函数分为:

    算术计算函数、双曲三角函数、位运算类、比较运算符、弧度角度转化类;

    scipy.special模块;

     

    +:np.add

    -:np.subtract

    -:np.negative

    *:np.multiply

    /:np.divide

    //:np.floor_divide

    **:np.power

    %:np.mood

    absolute(abs):绝对值

     

    比较操作:

    ==:np.equal

    !=:np.not_equal

    <:np.less

    <=:np.less_equal

    >:np.greater

    >=np.greater_equal

     

    外积:np.multiply.outer()

     

  • qq_37079667 2020-08-26 16:33:49

    来源:概述,数据类型,数组基础 查看详情

    数据类型:

    bool_:布尔值,用一个子节存储;

    int_:默认整型,通常是int64/int32;

    intc:整型,通常是int32/int64;

    intp:用作索引的整型,通常是int32/int64;

    int8/16/32/64:整型;

    uint8/16/32/64:无符号整型;

    float_:float64的简写;

    float16:半精度浮点型;

    float32:单精度浮点型;

    float64:双精度浮点型;

    complex:complex128;

    complex64:复数,两个32位浮点数表示;

    complex128:复数,由两个64位浮点数表示;

     

    'b':字节;np.dtype('b')

    'i':有符号整型;np.dtype('i4')

    'u':无符号整型;np.dtype('u8')

    'f'浮点型,np.dtype('f8')

    'c'复数浮点型;

    'S''a' 字符串;

    'U':Unicode编码字符串,np.dtype('U');

    'V':原生数据;

     

    ndim:维度

    shape:形状;

    size:长度;

    dtype:数据类型;

    itemsize:每个元素的字节长度;

    nbytes:nbytes=itemsize x size;

     

    randint:产生整数

     

    数组变型可以通过reshape来进行操作,前提是必须前后长度一致;

     

    也可以通过newaxis关键字来完成;

     

    newaxis是一个NoneType的内容,其实就是None;即添加一个新轴。一般用来标识-给新的维度,比如1维的数组想变形成2维的,需要单纯的增加一个维度;

    比如shape(3)==》shape=(3,1)

    数组拼接:

    numpy.concatenate:可以指明拼接的轴;

    numpy.hstack:沿着横轴进行拼接;

    numpy.vstack:沿着竖轴进行拼接;

    numpy.dstack:沿着第三个轴进行拼接;

    数组的分裂:

    numpy.split:默认沿着axis=0进行分裂,可以指定轴向;

    numpy.hsplit:沿着横轴进行分裂;

    numpy.vsplit:沿着竖轴进行分裂;

     

     

     

     

     

     

     

没有更多了