资源 Github，kaggle Python 工具库 ：Numpy，Pandas，Matplotlib，Scikit-Learn，tensorflow Numpy 支持大量维度数组与矩阵运算 ，也针对数组提供大量的数学函数库 Numpy : 1.aaa = Numpy.genfromtxt(“文件路径”,delimiter = “,”,dtype = str) 割，dtype 指定类型 该函数能读取文件所以内容 aaa.dtype 返回 aaa 的类型 delimiter 以指定字符分 2.aaa = numpy.array([5,6,7,8]) 创建一个一维数组 里面的东西都是同一个类型的 bbb = numpy.array([[1,2,3,4,5],[6,7,8,9,0],[11,22,33,44,55]]) 创建一个二维数组 aaa.shape 返回数组的维度 print(bbb[:,2]) 输出第二列 3.bbb = aaa.astype(int) 类型转换 4.aaa.min() 返回最小值 5.常见函数 aaa = numpy.arange(20) bbb = aaa.reshape(4,5) numpy.arange(20) 生成 0 到 19 aaa.reshape(4,5) 把数组转换成 矩阵 aaa.reshape(4,-1) 自动计算列用-1 aaa.ravel()把矩阵转化成数组 bbb.ndim 返回 bbb 的维度 bbb.size 返回里面有多少元素 aaa = numpy.zeros((5,5)) 初始化一个全为 0 的矩阵 需要传进一个元组的格式 默认是 float aaa = np 随机函数 aaa = numpy.random.random((3,3)) 生成三行三列 linspace 等差数列创建函数 linspace(起始值，终止值，数量) aaa = numpy.ones((3,3,3),dtype = numpy.int) 需要指定 dtype 为 numpy.int 矩阵乘法： aaa = numpy.array([[1,2],[3,4]]) bbb = numpy.array([[5,6],[7,8]]) print(aaa*bbb) print(aaa.dot(bbb)) print(numpy.dot(aaa,bbb)) 同上 *是对应位置相乘 .dot 是矩阵乘法 行乘以列 6.矩阵常见操作 numpy.floor()向下取整 aaa.T 求 aaa 的转置 

位置不同但值共用 aaa.space = (行，列) 矩阵拼接 numpy.hstack((a,b)) 横拼 numpy.vstack((a,b)) 竖拼 矩阵切分 numpy.hsplit((a,3)) a.view()浅复制 a.copy()深复制 a = numpy.arange(0,40,10) print(numpy.tile(a,(2,2))) 按倍数扩展行和列 numpy.sort(a,axis = 1)对 a 进行排序 j = numpy.argsort(a) 返回从小到大的索引值 位置不同 值不共用 object 就是 string 类型 pandas 1.pandas 数据读取 aaa = pandas.read_csv(“food_info.csv”) 读取文件 aaa 的类型为 dataframe aaa.dtypes 返回 aaa 包含的数据结构 aaa.head(3)输出前 3 行 以表格的形式 默认输出 5 行 aaa.tail（4）输出后 4 行 输出维度 print（aaa.columns）输出第一行所以类型项（列名） aaa.shape 2.pandas 索引与计算 aaa.loc[0]取行 读取第一条数据 aaa.loc[0:10] 可以用切片 aaa[“列名”]取列 aaa.endswith（“指定字符”） 以指定字符结尾返回 true 曲线图绘制 import pandas as pd import matplotlib.pyplot as plt #plt.plot() #plt.show() aaa = pd.read_csv('AA00001.csv') 读数据 #print(aaa.head(10)) first_twelve = aaa[111:121] plt.plot(first_twelve["direction_angle"],first_twelve["lat"]) 绘制一个曲线图 导入 matplotlib 读前 10 输出 ax.bar(位置，) plt.xticks(rotation = 90) plt.xlabel("direction_angle") plt.ylabel("lat") plt.title("AA00001") plt.show() 调节 x 轴字体的角度 x 轴的标题 y 轴的标题 标题 显示图片 

子图操作 fig = plt.figure() 指定一个绘制的区间 fig = plt.figure(figsize = (12,12)) a1 = fig.add_subplot(2,2,1) a2 = fig.add_subplot(2,2,2) a3 = fig.add_subplot(2,2,3) a4 = fig.add_subplot(2,2,4) plt.show() figsize 指定区间的长和宽 控制分布区间位置 a1.plot(np.random.randint(1,5,5),np.arange(5),label="a") a1.plot(np.random.randint(1,5,5),np.arange(5),label="b") a1.plot(np.random.randint(1,5,5),np.arange(5),label="c") a1.plot(np.random.randint(1,5,5),np.arange(5),label="d") a1.legend(loc='best') 生成对线条的解释区域 seaborm 在 matplotlib 的基础上 对图优化 五种风格： darlgrid whitegrid import seaborm as sns sns.set_style(“whitegrid”) 设置可选风格 white dark ticks