Numpy 是Python科學計算的基礎庫，主要提供N維數組的實現，以及數學算法。
1：Numpy 數組的創建和訪問：
創建一維數組，二維數組。這裏的一維數組類似數學中的向量，二維數組類似數學中的矩陣。
import numpy as np
''' 常見的利用numpy 創建數組的方法'''
print("創建一個5行6列的二維數組")
a1=np.array([[1,2,2,2,3,3],[1,2,2,2,2,2,],[1,2,3,4,5,6],[1,2,3,4,4,5],[1,2,3,4,5,6]]) # .array() 創建數組函數
print(a1)
dim=a1.ndim # 數組.ndim 返回值是維數組的維數 二維數組返回值就是2，
print(dim)
size=a1.shape # 數組.shape 返回數組的大小，即行數和列數 注意返回值的類型爲元組
print(size,'\n')
a2=np.arange(5) #.arrange() 創建1維數組 用法類似於range([start,]end[,step])
print(a2,'\n')
a3=np.linspace(0,3,5) #.linspace() 創建1維數組
print(a3,'\n')
a4=np.zeros((3,5)) # .zeros(shape=(row,col)) 創建row*col 的二維數組(零矩陣)
print(a4,'\n')
a5=np.ones((3,3)) # .ones(shape=(row,col)) 創建row*col 的二維數組(單位矩陣)
print(a5,'\n')
a6=np.eye(4) # .eye(num) 創建num*num 的二維數組(對角矩陣，對角線元素爲1)
print(a6,'\n')
a7=np.random.randn(5,3) # .random.randn(row,col) 創建row*col 的隨機二維數組 這裏不再額外的導入 import random
print(a7,'\n')
''' 常見的利用numpy 數組元素訪問機制'''
'''熟悉matlab的同學注意，其訪問機制與matlab中向量和矩陣的訪問機制相似，不同在python用中括號[],且索引從0開始'''
b1=a1[3,4] # 訪問形式：數組名[x,y] ，其中x,y 爲二維數組行和列的索引，索引值從0開始，一維數組的訪問與列表元素的訪問機制類似，[索引]和切片形式
b2=a1[:,4] # ：表示所有元素
print(b1,'\n',b2,'\n')
2：Numpy 運算：
數組和標量數值之間進行計算，計算過程是數組裏的元素和標量逐個計算。
數組的維度變化：數組.reshape(row,col) eg: a=np.random.randint(1,5,20).reshape(4,5) 將1維數組變爲4*5的二維數組。
數組.ravel() 將多維數組展開爲1維數組
數組和數組之間進行計算，計算過程是：如果數組的維度相同且行數和列數相同，數組裏的元素對應位置進行運算計算。注意這裏的a*b只是對應元素相乘，並不是矩陣乘法(內積)。矩陣的內積使用 np.dot()
數組的內置函數計算：注意命名空間問題 np.
np.cos(a) np.sqrt(a) #開根號
np.sin(a)
np.exp(a) #e指數
np.sort(a,axis=1) # 排序，axis=1，每行元素的排序 ； axis=0，每列元素的排序
數組的統計方法: a必須爲numpy創建的數組，注意下面不在需要np. ,因爲這個不是內置函數，而是對象的方法
a.sum() 求和 ，a.mean()求均值 ，a.std()標準差 ，a.min()最小值，a.max()最大值，a.argmin() 返回最小值的索引，a.argmx()
返回最大值的索引
二維或高維數組的統計方法：以行或列來計算 a.sum(axis=0) a.std(axis=0) #按列計算 a.std(axis=1) a.mean(axis=1) #按行計算
Numpy 的常見的高級功能：例如：數據擬合
import numpy as np
points_num=20
equation_order=3
input_x=np.linspace(1,10,points_num) #輸入數據
output_y=np.sqrt(input_x)+0.177*np.random.rand(points_num)#輸出數據
coffecient=np.polyfit(input_x,output_y,equation_order) #數據擬合，返回值爲擬合的equation_order階多項式係數 列表形式
result=np.poly1d(coffecient) #返回值爲擬合後的多項式 一個函數關係
t=np.linspace(1,10,200)
print(result(t))
到此對於Numpy 的一些簡單用法就到這裏，詳細的用法參考Numpy 官網 www.numpy.org
Pandas 是時間序列數據處理工具包，在利用python進行數據分析中也被廣泛應用。
'''Pandas的基本數據結構'''
a1=pd.Series([1,2,3,4])
#.Series() 表示創建一行數據，類似創建一個一維數組。 類似numpy。 注意所有的一維數組都是數學中的行向量，並不是列向量。應爲是一個列表結構
a2=pd.DataFrame(np.random.randn(3,4),columns=list('ABCD'))
# .DataFrame()表示創建二維數組 columns=list('ABCD')表示的是每一列的名稱.
對pandas 創建的數據進行訪問 ，注意一下的a2是DataFrame對象
a2.iloc[0] #對第一行元素進行訪問
a2.A #對A列元素進行訪問
a2.shape() #返回數據的行數和列數
a2.haed(num) #訪問前num行數據
a2.tail(num) #訪問後num行數據