spyder的學習及使用（一）

一、numpy、scipy、matplotlib、pandas

1.numpy

numpy是python科學計算中的基礎包之一，它的功能包括多維數組、高級數學函數（比如線性代數運算和傅里葉變換），以及爲隨機生成器。numpyi數組是基本數據結構，numpy的核心功能是ndarray,及多維數組。例如：

import numpy as np

x=np.array([[1,2,3],[4,5,6]])

print("x:\n{}".format(x))
x:
[[1 2 3]
 [4 5 6]]

2. scipy

scipy是python中用於科學計算的函數集合，它具有線性代數高級程序、數學函數優化、信號處理、特殊數學函數、統計分佈等多項功能。scipy中最重要的是scipy.sparce:它可以給出稀疏矩陣。如果想保存一個大部分元素都是0的二維數組，就可以使用稀疏矩陣。例如：

from scipy import sparse

eye=np.eye(4)

print("Numpy array:\n{}".format(eye))
Numpy array:
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]

3.matplotlib 

matplotlib是python的主要科學繪畫圖庫，其功能是可發佈的可視化內容，如折線圖、直方圖、散點圖等。

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(-10,10,100)
y=np.sin(x)
plt.plot(x,y,marker="x")



4.pandas

pandas是用於處理和分析數據的python庫，它基於一種叫做DataFrame的數據結構，簡單來說，一個pandas dataframe就是一張表格，類似excel表格，pandas裏面含有大量用於修改表格和操作表格的方法，尤其是可以像SQL一樣對錶格進行查詢和連接，pandas強大之處在於可以從許多文件格式和數據庫中提取數據，如SQL、EXCEL文件和逗號分隔值文件。下面是利用字典創建DataFrame的一個小例子。

import pandas as pd
from IPython.display import display
#創建關於人的簡單數據集
data={'Name':["Jone","Anna","Peter","Linda"],
      'Location':["New York","Paris","Berlin","Londonn"],
      'Age':[24,13,56,34]
      }
data_pandas=pd.DataFrame(data)
#IPython.display可以在Jupyter Notebook中打印出“美觀的”DataFrame
display(data_pandas)

 結果如下：

   Age  Location   Name
0   24  New York   Jone
1   13     Paris   Anna
2   56    Berlin  Peter
3   34   Londonn  Linda

 查詢這個表的方法有很多種，如下：

#選擇年齡大於30的所有行

display(data_pandas[data_pandas.Age>30])
   Age Location   Name
2   56   Berlin  Peter
3   34  Londonn  Linda

5.mglean

通常用於快速美化繪圖，或者用於獲取一些有趣的數據。由於不頻繁使用這裏不做簡紹。

以下代碼是默認的並且常用的庫：

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd 

import mglean