金融大数据应用与Python实践课件 第10章 Python数据分析常用第三方库.pptxVIP

第10章Python数据分析常用第三方库1

目录CONTENT201数据分析基础库之NumPy数据分析基础库之Pandas02数据可视化基础库之Matplotlib03

学习目标：知识目标：（1）掌握NumPy数组的创建和基本运算处理；（2）了解和掌握Pandas的两种基本数据结构；（3）掌握Pandas常见操作，包括索引操作、算术运算、排序、统计计算等；（4）掌握Pandas的读写数据操作和数据预处理常用方法（5）熟悉Matplotlib常用的数据可视化实现。技能目标：（1）能够运用NumPy进行数据分析；（2）能够运用Pandas进行数据分析；（3）能够运用Matplotlib进行常见的数据可视化处理。3

10.1数据分析基础库之NumPy4NumPyNumerical+Python数组计算、矩阵运算和科学计算

10.1数据分析基础库之NumPy10.1.1NumPy简介NumPy的背景与概述NumPy在数值计算领域中的重要性5NumPy在金融统计分析中的应用

10.1.2NumPy基本数据结构61．认识NumPy数组对象数组一维数组、二维数组、三维数组、多维数组123123456789彩色图像是三维灰度图像是二维

71．认识NumPy数组对象importnumpyasnpNumPy最重要的一个特点就是提供了一个N维数组对象，即ndarray（别名array）对象。该对象具有矢量算术能力和复杂的广播能力，可以执行一些科学计算。数组对象拥有对高维数组的处理能力，这也是数值计算中不可或缺的重要特性。

82．数组对象的属性数组对象中定义了一些重要的属性，具体如表10-1所示属性功能描述ndarray.ndim维度数，比如1、2、3等，也就是数组轴的个数ndarray.shape数组的维度。其值是一个整数的元组，表示每个维度上数组的大小。例如，一个n行和m列的数组，它的shape属性为(n,m)ndarray.size数组元素的个数，其值等于shape属性中元组元素的乘积ndarray.dtype描述数组中元素的类型，既可以使用标准的Python类型创建或指定，也可以使用NumPy特有的数据类型来指定，比如numpy.int32、numpy.float64等ndarray.itemsize数组中每个元素的字节数，相当于ndarray.dtype.itemsize。例如，元素类型为float64的数组为8（64／8）字节

93．创建NumPy数组NumPy提供了多种创建和初始化数组的方法，包括从Python列表和元组创建、使用特定数值填充数组、生成固定范围的序列等。常用的函数包括np.array()、np.zeros()、np.ones()、np.empty()、np.arange()等。

10通过np.array()函数分别创建一个一维数组和二维数组，代码示例：

11通过np.zeros()函数创建元素值都为0的数组，示例代码如下：通过np.ones()函数创建元素值都为1的数组，示例代码如下：

12通过np.empty()函数创建一个新的数组，该数组只分配了内存空间，它里面填充的元素都是随机的，示例代码如下：

13NumPy提供了多种创建和初始化数组的方法，包括从Python列表和元组创建、使用特定数值填充数组、生成固定范围的序列等。常用的函数包括np.array()、np.zeros()、np.ones()、np.empty()、np.arange()等。

14数组-轴的概念：高维数据执行某些操作（如转置）时，需要指定维度编号，这个编号是从0开始的，然后依次递增1。其中，位于纵向的轴（y轴）的编号为0，位于横向的轴（x轴）的编号为1，以此类推。

15轴的概念二维数组一维数组

164．数组的数据类型NumPy数组的元素为同一种数据类型，可以通过数组对象属性ndarray.dtype指定或获取。不同的NumPy数组可以存储不同类型的数据。NumPy数组常用的数据类型包括int（整型）、float（浮点型）、bool（布尔型）等。

17表10-2罗列了NumPy数组中常用的数据类型。数据类型含义bool布尔型，值为True或Falseint8、uint8有符号和无符号的8位整型int16、uint16有符号和无符号的16位整型int32、uint32有符号和无符号的32位整型int64、uint64有符号和无符号的64位整型float16半精度浮点型（16位）float32半精度浮点型（32位）float64半精度浮点型（64位）complex64复数类型，分别用两个32位浮点数表示实部和虚部complex128复数类型，分别用两个64位浮点数表示实部和虚部objectPyt