Python实战(四)——Python 数据分析
2017-03-08 17:26
453 查看
在Python 机器学习的开发环境搭建(numpy,scipy,matplotlib)一文中,介绍了使用python进行数据分析的工具安装,环境配置。下面分享具体使用
一、numpy
1、安装:pip install numpy命令
2、数据分析
import numpy as np
np_height=np.array(height)
np_height
array([1.72,1.68,1.72])
np_weight=np.array(weight)
np_weight
array([55.1,65.0,55.9]) #要求array里都是同一类型数组
bmi=np_weight/np_height**2
bmi[] #可选取某个索引的计算结果
array([output])
bmi[bmi>23] #可选取计算结果大于某值
array([output]) 可用于计算身高、体重两个数组的关系,并对计算结果进行筛选查看。处理数组的强大工具包。
3、注意
使用numpy要求array里的每一个元素都是同一数据类型,例如都为int 或者float才可进行处理。
二、matplotlib
1、安装
cd python/scripts安装路径,执行命令pip install
matplotlib命令。
2、编写
import matplotlib.pyplot as plt
year=[1991,1992,1993,1994]
pop=[0.1,0.22,0.3,0.45]
#折线图
plt.plot(year,pop)
plt.show()
#散点图
plt.scatter(year,pop)
plt.show()
#直方图
values=[0,0.1,0,0.9,0.8,0.6]
plt.hist(values,bins=3)
#设置图表信息
plt.xlable('年')
plt.ylable('人口数量')
plt.title('人口分布图')
plt.yticks([0,2,4,6,8])
一、numpy
1、安装:pip install numpy命令
2、数据分析
import numpy as np
np_height=np.array(height)
np_height
array([1.72,1.68,1.72])
np_weight=np.array(weight)
np_weight
array([55.1,65.0,55.9]) #要求array里都是同一类型数组
bmi=np_weight/np_height**2
bmi[] #可选取某个索引的计算结果
array([output])
bmi[bmi>23] #可选取计算结果大于某值
array([output]) 可用于计算身高、体重两个数组的关系,并对计算结果进行筛选查看。处理数组的强大工具包。
3、注意
使用numpy要求array里的每一个元素都是同一数据类型,例如都为int 或者float才可进行处理。
二、matplotlib
1、安装
cd python/scripts安装路径,执行命令pip install
matplotlib命令。
2、编写
import matplotlib.pyplot as plt
year=[1991,1992,1993,1994]
pop=[0.1,0.22,0.3,0.45]
#折线图
plt.plot(year,pop)
plt.show()
#散点图
plt.scatter(year,pop)
plt.show()
#直方图
values=[0,0.1,0,0.9,0.8,0.6]
plt.hist(values,bins=3)
#设置图表信息
plt.xlable('年')
plt.ylable('人口数量')
plt.title('人口分布图')
plt.yticks([0,2,4,6,8])
相关文章推荐
- 【Python实战】Pandas:让你像写SQL一样做数据分析(一)
- python数据分析美国大选项目实战(三)
- ###好好好### 【Python实战】Pandas:让你像写SQL一样做数据分析 ######
- Python数据分析与挖掘实战代码纠错 代码3-3
- python数据分析与挖掘实战 第七章 拓展思考
- 【Python实战】Pandas:让你像写SQL一样做数据分析(二)
- 分享python3爬虫及数据分析实战视频教程
- 大数据实战课程第一季Python基础和网络爬虫数据分析
- 福布斯系列之数据采集 | Python数据分析项目实战
- Python数据分析与挖掘实战代码纠错 代码3-1
- python数据分析与挖掘学习笔记(6)-电商网站数据分析及商品自动推荐实战与关联规则算法
- Python数据分析与挖掘实战(Pandas,Matplotlib常用方法)
- python数据分析与挖掘实战-4
- 大数据实战课程第一季Python基础和网络爬虫数据分析
- python数据分析之股票实战
- python数据分析与挖掘学习笔记(7)-交通路标自动识别实战与神经网络算法
- python数据分析与挖掘实战—聚类算法对比
- Python数据分析与挖掘实战(开发流程及常用库安装)
- 2. Python脚本学习实战笔记二 分析提取数据成图
- python数据分析与挖掘实战 第六章 拓展思考