mryanli / data_analysis Goto Github PK

#数据分析

###一. Numpy是什么

• Numrical Python,数值的Python
• 开源的科学计算库
• 是一个python模块，弥补了Python在数值计算方面，能力弱， 速度慢的不足 ###二. Numpy都包含哪些东西
• 丰富的数学函数，强大的多维数组和有意的运算性能
• 几乎所有的数学函数，而且都是经过优化的，速度很快
• Numpy 与Scipy、scikit、matplotlib等其他科学计算库 可以很好地协调工作，因为内部的数据结构几乎相似
• Numpy可以取代Matlab等工具，允许用户进行快速开发 的同时完成交互式的原型设计。 ###三、Numpy数组

####1.创建数组

a = numpy.arrange()

a = numpy.array() ####2.多维数组的方法 a.dtype 获得d的数据类型

b = a.astype(destiType) 将a的元素转换为 destiType，赋值给b的元素数据结构和a一样，只是 数据类型不一样

a.shape 获取数组的维度 ####3.多维数组的索引 a[索引] a[行索引][列索引] a[页索引][行索引][列索引] a[页索引 ,行索引 ,列索引]

####4.

###三、统计

样本：S = [s1,s2,...,sn]

均 值：m = (s1+s2+...+sn)/n

加权平均值：

中位数：应先排序

离 差：D = [s1-m,s2-m,...,sn-m]，离差是一个数组

离差和：sum(D)

方 差：v = ((s1-m)^2 + (s2-m)^2+...+(sn-m)^2)/n

标准差：std = sqrt(v) (方均根离差)(.../n)

numpy.std(数组，ddof=1)，第二个参数是非自由

总体方差和总体标准差：.../n

样本方差和样本标准差：.../(n-1)