不同的圖形的應用場景
折線圖
- 顯示數據的變化,趨勢
- 如,溫度隨時間的變化
plt.plot(a,b)
條形圖(柱狀圖)
- 顯示數據之間的大小比較
- 如,電影院每天排片的所有電影的票房比較
plt.bar(a,b)
直方圖
- 反應數據在不同的範圍內的分佈
- 如,一個班級裏的身高在(1.6-1.65;1.65-1.7;1.7-1.75;1.75-1.8)這幾個範圍內的分佈
plt.hist(a,10)
散點圖
- 表現數據的分佈狀態,可從狀態中尋找分佈模式
- 如,一個城市某兩個月每天的氣溫數據,想要知道這兩個月的氣溫與時間有什麼關係
plt.sccatter(a,b)
餅狀圖
- 各個部分佔整體的百分比
- 如,電影院當天電影票房中,每個電影貢獻的百分比
plt.pie(data, labels)
matplotlib使用流程總結
- 明確問題
- 選擇圖形的呈現方式
- 準備
- 繪圖和圖形完善
matplotlib使用總結
- 應該選擇哪種圖形來呈現數據
- 折線圖:plt.plot(x,y)
- 柱狀圖:plt.bar(x,y)
- 直方圖:plt.hist(data, bins, normed)
- 餅狀圖:Plt.pie(x,labels, autopct, colors)
- 散點圖:Plt.scatter(x,y)
- 數軸的設置:xticks,yticks
- 數據及表格的描述內容:xlabel,ylabel,title
- 設置圖標大小,保存圖片:figure,savefig
Numpy
- 什麼是Numpy
- 爲什麼是Numpy
- Numpy的核心
- 基本操作
- 分析案例
什麼是Numpy
- 是一種負責數據運算的基礎庫
- 是一種強大的N維數組對象
- 是衆多機器學習框架的基礎庫
爲什麼選擇Numpy
- 其實python也可以進行數值運算,爲什麼要用Numpy
- 因爲快
- 1.python有GIL,Numpy是真正意義的多任務
- 2.python讀寫的數據是在持久化存儲上的不連續數據,Numpy是在內存上的連續存儲
Numpy的核心
- ndarray(N-dimensional array),N維數組
ndarray的核心是
- 數據類型,形狀,軸(維數)
二維數組(矩陣)
三維數組
基本操作
創建
# 導入numpy模塊 import numpy as np # 一維數組 a1 = np.array([1,2,3,4]) # 二維數組 a2 = np.array([[11,22],[33,44]]) # 三維數組 a3 = np.array([[[11,22],[33,44]],[[55,66],[77,88]]])
查看數組的形狀和類型
- 查看形狀:
a.shape
- 查看類型:
a.dtype
- 查看形狀:
創建等差,等比數列
- 創建等差數列:
np.linespace(0,10,11)
- 創建等比數列:
np.logspace(0,2,2)
- 創建等差數列:
示例
- 生成500個股票兩年的交易漲幅數據
stock = np.random.normal(0,1(500,252*2))