深度盘点：8个常用的Python数据分析库工具.pdfVIP

深度盘点：8个常⽤的Python数据分析库⼯具 今天给⼤家分析8个Python中常⽤的数据分析⼯具，Python强⼤之处在于其第三⽅扩展库较多。 本⽂介绍数据分析⽅⾯的扩展库分别为：NumPy、SciPy、Matplotlib、Pandas、StatsModels、Scikit-learn、Keras、Gensim，下⾯ 对这⼋个扩展库进⾏简单介绍，以及相关的代码案例 01 NumPy #安装 pip install numpy NumPy操作数组案例 # _*_ coding: utf-8 -* #作⽤：代码中可以出现中⽂ # Numpy import numpy as np #创建数组 na = np .array([20,21,12,1,2]) #输出数组 print(na) # [20 21 12 1 2] #切⽚（取出前三个数字） print(na[:3]) # [20 21 12] #输出na中的最⼩值 print(na.min()) # 1 #从⼩到⼤排序 na.sort() print(na) # [ 1 2 12 20 21] #创建⼆维数组 na2 = np .array([[1,2,3],[4,5,6]]) #⼆维数组平⽅ na3 = na2 * na2 print(na3) [[ 1 4 9] [16 25 36]] 02 SciPy SciPy依赖于NumPy，因此安装前需先安装NumPy。SciPy包含的功能有最优化、线性代数、积分、插值、拟合、特殊函数、快速傅⾥叶 变换、信号处理和图像处理、常微积分求解等其他科学与过程 中常⽤的计算。 更多的使⽤可以参考官⽅⽂档如下所⽰ ： #安装 pip install scipy SciPy求解⾮线性⽅程 from scipy.optimize import fsolve 例⼦：求解⾮线性⽅程组 # 2x1 - x2^2 = 1 , x1^2 - x2 = 2 # 定义求解的⽅程组 def f(x): x1 = x[0] x2 = x[1] return [2*x1-x2**2-1,x1**2-x2-2] # 初始值，并求解 print(fsolve(f,[1,1])) # 输出 [11 SciPy操作数值积分 # 数值积分 from scipy import integrate def g(x): return (1-x**2)**0.5 pi_2, err = integrate.quad(g,-1,1) # 积分结果和 误差 积分结果为 的⼀半 print(pi_2*2,err) # π # 输出 3.1415926535897967 1.0002354500215915e-09 03 Matplotlib Matplotlib是最著名的绘图库，主要⽤于⼆维绘图，以及简单的三维绘图。它提供了⼀整套丰富的命令，让我们可以⾮常快捷地⽤Python 可视化数据，⽽且允许输出达到出版质量的多种图像格式。 更多的使⽤可以参考官⽅⽂档如下所⽰： # 安装 pip install matplotlib Matplotlib雷达图案例 在 运⾏需要加上下⾯这句 # jupyter notebook %matplotlib inline import numpy as np import matplotlib.pyplot as plt # 创建figure fig = plt.figure(dpi=120) # 准备好极坐标系的数据 半径为 # [0,1] r = np .arange(0, 1, 0.001) theta = 2 * 2*np.pi * r # 极坐标下绘制 line, = plt.polar(theta, r , color=#ee8d18, lw=3) plt.show() 运⾏结果 值得注意的是：中⽂乱码问题，如果图表中有中⽂，请在开头加⼊下⾯代码 版 解决中⽂显⽰问题 #window plt.rcParams[font.sans-serif] = [SimHei] #指定默认字体 解决保存图像是负