[python之数据分析] 基础篇1- Numpy，Scipy，Matplotlib 快速入门攻略

本文全部来自我(小麦)的《大数据公选》课程讲义，包括三篇python和Numpy等数据分析包的相关教程，excel和SPSS的数据分析教程等等，作者是小麦以及懿文同学，是原创资料。本来是课程内部资料，现在开源出来，仅供大家学习。如要转载，请联系我，并尊重版权。

Python Data Analysis Fundamental Turtorial

Python 基本语法和数据结构
已在另一篇文章介绍
参见我的博文 http://blog.csdn.net/xiaomai_sysu/article/details/51103070

Python的模块——Module

与C/C++的头文件(.h)类似，一个python程序可以显式调用其他模块的函数/类。

目的：
1. 避免臃肿的客户程序，让使用者按需调用模块；
2. 模块化思维，使得模块之间高内聚、低耦合

方法：
文件开始处，使用import语句

例如：
导入整个模块的所有内容：
import MyModule

导入一个模块的某一个函数：
import MyModule.MyFunction

导入一个模块的某一个类：
import MyModule.MyClass

导入以后，就可以使用在其他文件里定义的函数
比如，可以这样直接使用Mymodule.py的文件里的函数MyFunction:
MyModule.MyFunction

当然，除了import语句外，你也可以使用from..import..语句
from MyModule import MyFunction

这种用法比起上面的用法更简便，因为你把命名空间设置成了MyModule
以后再调用这个MyFunction时，只需要直接用MyFunction即可，而不需要用MyModule.MyFunction

python科学数据包Anaconda2

Anaconda2是一键安装式的，内部已经先安装好了包括NumPy, SciPy, Matplotlib等数值计算的包，也包括其他网络扩展包

如果你之前没有使用和安装过python，那么强烈建议你到
https://www.continuum.io/downloads
在Windows版本下，选择32位/64位的python2.7进行下载。下载后双击安装即可，非常简单。
安装后，进入安装目录
Anaconda2\ Scripts\
单击ipython.exe，就可以进入python的命令行模式
(你可以右键-发送快捷方式到桌面，方便以后的运行)
交互式命令行窗口ipython
Ipython是交互式的命令行。

它比默认的python shell 好用得多，支持变量自动补全，自动缩进，支持 bash shell 命令，内置了许多很有用的功能和函数。

最前面有输入提示，In[1]: 表示现在是第一行输入

使用Ipython的最大好处在于，可以用交互式的命令，快速实现一个idea，并进行验证。

高度优化的多维数组的支持Numpy

Numpy一大用途在于，提高数值运算的速度。由于python是动态解释的，所以往往它内置的函数的运行效率并不高。特别是遇到大量迭代/循环的时候，原生的python语言速度往往不尽人意。
于是，NumPy应运而生，它的底层采用的是C语言实现，保证了语句执行的高效性。
NumPy中最基本的数据结构是narray(数组)。正如上面所言，原生的python是没有这个数据结构的，你必须从NumPy这个模块中导入。(import numpy as np)
示例如下：

我们看到，第二行这里的a被赋值成一个numpy的array类型
第三行，输出a的类型 ：print type(a)

然后，在第四行，输出a ：print a
显示a 是[1 2 3]
如果我们要输出a的第一个元素，可以：

如果我们要改变a的第一个元素，可以输入a[0]=2333

此时a已经被改变，再次输出a，可以看到

同样的方法，我们可以创建另外一个数组b=np.array([1,1,1])

输出C，发现C就是a+b的数值
类似的运算符还有
a+b a-b a*b（这里的是按位乘法，相当于matlab的.）

正如之前提到的，NumPy的速度比原来的Python循环要快得多得多，可以做实验测试

与Matlab不同，Numpy一般不用“矩阵”，而是用多维数组表示矩阵
比如

（注意中括号是嵌套的）
就是一个二维数组，也就是一个矩阵
1 2 3
4 5 6
7 8 9
可以输出看一下效果：

如果你学过线性代数，那么你知道，对于矩阵，可以有矩阵乘法：
假如现在有上面的矩阵d,以及另外一个矩阵e：

那么，可以用下面的方法计算d和e的矩阵乘法：

或者你也可以这样：(这是等价的方法)

但是，你不应该使用d*e，因为d*e是按位乘法，是每个位置对应的乘积

【获取narray片段】
你可以使用下标，比如对于d

你可以使用d[0]获取矩阵(二维数组)的第一行

你也可以用d[0:2]获取矩阵的第一和第二行组成的新矩阵

用d[3]或者d[-1]获取矩阵的最后一行

除了手动创建一个新的数组(多维数组)，你也可以用内置函数快速创建：

比如，用np.arange(x)创建从0~x-1的数组

用np.linspace(start,end,jump)来创建一个起于0，终于5，大小为10的线性的数组空间

用np.eye(x)来创建一个大小为x的单位矩阵

可以用np.zeros( (x,y) ) 来创建一个大小为x*y的零矩阵

注意这里是两个括号，里面的(3,5)是一个tuple元组，外面的是调用函数本身需要的括号

你可能注意到，上面的0和1都带个小数点，这是因为它默认是float类型，而不是整数类型，你可以手动设置类型。

注意：以上都只是演示显示，并没有把d[0]这个取出的数组赋值给某个变量，所以是没有保存的。在实际过程中应该保存到某个变量中，如new_array=d[-1]

数值分析方法库Scipy
有了np.array数组，你可以用SciPy提供的大量数值计算的函数方法。

它们全依赖numpy,但是每个之间基本独立。导入Numpy和这些scipy模块的标准方式是：

import numpy as np
from scipy import stats # 其它子模块相同

主scipy命名空间大多包含真正的numpy函数(尝试 scipy.cos 就是 np.cos)。这些仅仅是由于历史原因，通常没有理由在你的代码中使用import scipy

每个函数的使用方法不同，但是都可以很简单地调用和练习，效率也很高
http://reverland.org/python/2012/10/22/scipy/
有所有函数的使用方法实例，可以参考

图形绘制库 Matplotlib
与提供数组的NumPy，提供数值计算函数的Scipy不同，Matplotlib模块是用于绘图的一个模块。
当然，Matplotlib的绘图，依然依赖于NumPy的narray数据结构。

Matplotlib简单绘图事例：
第一步先导入模块

第二步，生成0~5 之间的自变量空间，间隔一共10次

第三部，生成因变量空间 只需令Y=f(x) 即可，例如y=3*x+8

最后，用plt.plot(x,y)即可绘图

这时，图片还在内存中，没有生成，你可以加上横坐标、纵坐标的名字和标题，输入

plt.xlabel(‘x axis label‘)
plt.ylabel(‘y axis label‘)
plt.title(‘Function y=3x+8‘)

其他部分都加入后，输入plt.show()，显示图片

得到下面的图片：(包括了横纵轴的名字、标题)

你也可以再次赋值y1，y2

然后，再次绘图

加上横纵坐标：

最后，输入plt. show ()得到图像：

这里的自变量取值不是非常合适(x范围太小，不够密集)。

你可以重新设计更好的X和Y的取值，并且让图像的X横坐标更加密集，这样你就可以绘出更好看的图像。

到此便告一段落，少侠可以踏上难度更高的旅途了！