Python數(shù)據(jù)分析與應(yīng)用課件

1、Python數(shù)據(jù)分析概述2018/1/8第1頁，共365頁。1熟悉Python數(shù)據(jù)分析的工具安裝 Python 的 Anaconda 發(fā)行版掌握 Jupyter Notebook 常用功能目錄認識數(shù)據(jù)分析234第2頁，共365頁。 廣義的數(shù)據(jù)分析包括狹義數(shù)據(jù)分析和數(shù)據(jù)挖掘。 狹義的數(shù)據(jù)分析是指根據(jù)分析目的，采用對比分析、分組分析、交叉分析和回歸分析等分析方法，對收集來的數(shù)據(jù)進行處理與分析，提取有價值的信息，發(fā)揮數(shù)據(jù)的作用，得到一個特征統(tǒng)計量結(jié)果的過程。 數(shù)據(jù)挖掘則是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，通過應(yīng)用聚類、分類、回歸和關(guān)聯(lián)規(guī)則等技術(shù)，挖掘潛在價值的過程。數(shù)據(jù)分析

2、的概念第3頁，共365頁。數(shù)據(jù)分析的流程典型的數(shù)據(jù)分析的流程第4頁，共365頁。需求分析：數(shù)據(jù)分析中的需求分析也是數(shù)據(jù)分析環(huán)節(jié)的第一步和最重要的步驟之一，決定了后續(xù)的分析的方向、方法。數(shù)據(jù)獲?。簲?shù)據(jù)是數(shù)據(jù)分析工作的基礎(chǔ)，是指根據(jù)需求分析的結(jié)果提取，收集數(shù)據(jù)。數(shù)據(jù)預(yù)處理：數(shù)據(jù)預(yù)處理是指對數(shù)據(jù)進行數(shù)據(jù)合并，數(shù)據(jù)清洗，數(shù)據(jù)變換和數(shù)據(jù)標準化，數(shù)據(jù)變換后使得整體數(shù)據(jù)變?yōu)楦蓛粽R，可以直接用于分析建模這一過程的總稱。分析與建模：分析與建模是指通過對比分析、分組分析、交叉分析、回歸分析等分析方法和聚類、分類、關(guān)聯(lián)規(guī)則、智能推薦等模型與算法發(fā)現(xiàn)數(shù)據(jù)中的有價值信息，并得出結(jié)論的過程。模型評價與優(yōu)化：模型評價是指

3、對已經(jīng)建立的一個或多個模型，根據(jù)其模型的類別，使用不同的指標評價其性能優(yōu)劣的過程。部署：部署是指將通過了正式應(yīng)用數(shù)據(jù)分析結(jié)果與結(jié)論應(yīng)用至實際生產(chǎn)系統(tǒng)的過程。數(shù)據(jù)分析的流程典型的數(shù)據(jù)分析的流程第5頁，共365頁。主要是客戶的基本數(shù)據(jù)信息進行商業(yè)行為分析，首先界定目標客戶，根據(jù)客戶的需求，目標客戶的性質(zhì)，所處行業(yè)的特征以及客戶的經(jīng)濟狀況等基本信息使用統(tǒng)計分析方法和預(yù)測驗證法，分析目標客戶，提高銷售效率。其次了解客戶的采購過程，根據(jù)客戶采購類型、采購性質(zhì)進行分類分析制定不同的營銷策略。最后還可以根據(jù)已有的客戶特征，進行客戶特征分析、客戶忠誠分析、客戶注意力分析、客戶營銷分析和客戶收益分析。了解數(shù)據(jù)分

4、析應(yīng)用場景1. 客戶分析第6頁，共365頁。產(chǎn)品分析主要是競爭產(chǎn)品分析，通過對競爭產(chǎn)品的分析制定自身產(chǎn)品策略。價格分析又可以分為成本分析和售價分析，成本分析的目的是降低不必要成本，售價分析的目的是制定符合市場的價格。渠道分析目的是指對產(chǎn)品的銷售渠道進行分析，確定最優(yōu)的渠道配比。廣告與促銷分析則能夠結(jié)合客戶分析，實現(xiàn)銷量的提升，利潤的增加。了解數(shù)據(jù)分析應(yīng)用場景2. 營銷分析： 囊括了產(chǎn)品分析，價格分析，渠道分析，廣告與促銷分析這四類分析。第7頁，共365頁。 以不同社交媒體渠道生成的內(nèi)容為基礎(chǔ)，實現(xiàn)不同社交媒體的用戶分析，訪問分析，互動分析等。同時，還能為情感和輿情監(jiān)督提供豐富的資料。用戶分析主

5、要根據(jù)用戶注冊信息，登錄平臺的時間點和平時發(fā)表的內(nèi)容等用戶數(shù)據(jù)，分析用戶個人畫像和行為特征。訪問分析則是通過用戶平時訪問的內(nèi)容，分析用戶的興趣愛好，進而分析潛在的商業(yè)價值?；臃治龈鶕?jù)互相關(guān)注對象的行為預(yù)測該對象未來的某些行為特征。了解數(shù)據(jù)分析應(yīng)用場景3. 社交媒體分析第8頁，共365頁。 新型的病毒防御系統(tǒng)可使用數(shù)據(jù)分析技術(shù)，建立潛在攻擊識別分析模型，監(jiān)測大量網(wǎng)絡(luò)活動數(shù)據(jù)和相應(yīng)的訪問行為，識別可能進行入侵的可疑模式，做到未雨綢繆。了解數(shù)據(jù)分析應(yīng)用場景4. 網(wǎng)絡(luò)安全第9頁，共365頁。 通過物聯(lián)網(wǎng)技術(shù)能夠收集和分析設(shè)備上的數(shù)據(jù)流，包括連續(xù)用電、零部件溫度、環(huán)境濕度和污染物顆粒等無數(shù)潛在特征，建

6、立設(shè)備管理模型，從而預(yù)測設(shè)備故障，合理安排預(yù)防性的維護，以確保設(shè)備正常作業(yè)，降低因設(shè)備故障帶來的安全風(fēng)險。了解數(shù)據(jù)分析應(yīng)用場景5. 設(shè)備管理第10頁，共365頁。RPythonMATLAB語言學(xué)習(xí)難易程度入門難度低入門難度一般入門難度一般使用場景數(shù)據(jù)分析，數(shù)據(jù)挖掘，機器學(xué)習(xí)，數(shù)據(jù)可視化等。數(shù)據(jù)分析，機器學(xué)習(xí)，矩陣運算，科學(xué)數(shù)據(jù)可視化，數(shù)字圖像處理，web應(yīng)用，網(wǎng)絡(luò)爬蟲，系統(tǒng)運維等。矩陣計算，數(shù)值分析，科學(xué)數(shù)據(jù)可視化，機器學(xué)習(xí)，符號計算，數(shù)字圖像處理，數(shù)字信號處理，仿真模擬等。第三方支持擁有大量的Packages，能夠調(diào)用C，C+，F(xiàn)ortran，Java等其他程序語言。擁有大量的第三方庫，能夠

7、簡便地調(diào)用C，C+，F(xiàn)ortran，Java等其他程序語言。擁有大量專業(yè)的工具箱，在新版本中加入了對C，C+，Java的支持。流行領(lǐng)域工業(yè)界學(xué)術(shù)界工業(yè)界學(xué)術(shù)界工業(yè)界學(xué)術(shù)界軟件成本開源免費開源免費商業(yè)收費了解數(shù)據(jù)分析常用工具目前主流的數(shù)據(jù)分析語言有R，Python，MATLAB三種程序語言。第11頁，共365頁。 物流是物品從供應(yīng)地向接收地的實體流動。通過業(yè)務(wù)系統(tǒng)和GPS定位系統(tǒng)獲得數(shù)據(jù)，對于客戶使用數(shù)據(jù)構(gòu)建交通狀況預(yù)測分析模型，有效預(yù)測實時路況、物流狀況、車流量、客流量和貨物吞吐量，進而提前補貨，制定庫存管理策略。了解數(shù)據(jù)分析應(yīng)用場景6. 交通物流分析第12頁，共365頁。 身份信息泄露盜用事

8、件逐年增長，隨之而來的是欺詐行為和交易的增多。公安機關(guān)，各大金融機構(gòu)，電信部門可利用用戶基本信息，用戶交易信息，用戶通話短信信息等數(shù)據(jù)，識別可能發(fā)生的潛在欺詐交易，做到提前預(yù)防未雨綢繆。了解數(shù)據(jù)分析應(yīng)用場景7. 欺詐行為檢測第13頁，共365頁。安裝 Python 的 Anaconda 發(fā)行版掌握 Jupyter Notebook 常用功能目錄341熟悉Python數(shù)據(jù)分析的工具認識數(shù)據(jù)分析2第14頁，共365頁。語法簡單精練。對于初學(xué)者來說，比起其他編程語言，Python更容易上手。有很強大的庫。可以只使用Python這一種語言去構(gòu)建以數(shù)據(jù)為中心的應(yīng)用程序。功能強大。Python是一個混合體

9、，豐富的工具集使它介于傳統(tǒng)的腳本語言和系統(tǒng)語言之間。Python不僅具備所有腳本語言簡單和易用的特點，還提供了編譯語言所具有的高級軟件工程工具。不僅適用于研究和原型構(gòu)建，同時也適用于構(gòu)建生產(chǎn)系統(tǒng)。研究人員和工程技術(shù)人員使用同一種編程工具，會給企業(yè)帶來非常顯著的組織效益，并降低企業(yè)的運營成本。Python是一門膠水語言。Python程序能夠以多種方式輕易地與其他語言的組件“粘接”在一起。了解Python數(shù)據(jù)分析的優(yōu)勢Python 數(shù)據(jù)分析主要包含以下 5 個方面優(yōu)勢第15頁，共365頁。是一個增強的Python shell，目的是提高編寫、測試、調(diào)試Python代碼的速度。主要用于交互式數(shù)據(jù)并行

10、處理，是分布式計算的基礎(chǔ)架構(gòu)。提供了一個類似于Mathematica的HTML筆記本，一個基于Qt框架的GUI控制臺，具有繪圖、多行編輯以及語法高亮顯示等功能。了解Python數(shù)據(jù)分析常用類庫1IPython科學(xué)計算標準工具集的組成部分第16頁，共365頁?？焖俑咝У亩嗑S數(shù)組對象 ndarray。對數(shù)組執(zhí)行元素級的計算以及直接對數(shù)組執(zhí)行數(shù)學(xué)運算的函數(shù)。讀寫硬盤上基于數(shù)組的數(shù)據(jù)集的工具。線性代數(shù)運算、傅里葉變換，以及隨機數(shù)生成的功能。將 C、C+、Fortran 代碼集成到 Python 的工具。了解Python數(shù)據(jù)分析常用類庫2NumPy(Numerical Python) Python 科學(xué)

11、計算的基礎(chǔ)包第17頁，共365頁。SciPy 主要包含了 8 個模塊，不同的子模塊有不同的應(yīng)用，如插值、積分、優(yōu)化、圖像處理和特殊函數(shù)等。egrate 數(shù)值積分例程和微分方程求解器scipy.linalg 擴展了由 numpy.linalg 提供的線性代數(shù)例程和矩陣分解功能scipy.optimize 函數(shù)優(yōu)化器（最小化器）以及根查找算法scipy.signal 信號處理工具scipy.sparse 稀疏矩陣和稀疏線性系統(tǒng)求解器scipy.special SPECFUN（這是一個實現(xiàn)了許多常用數(shù)學(xué)函數(shù)的 Fortran 庫）的包裝器scipy.stats 檢驗連續(xù)和離散概率分

12、布、各種統(tǒng)計檢驗方法，以及更好的描述統(tǒng)計法scipy.weave 利用內(nèi)聯(lián) C+代碼加速數(shù)組計算的工具了解Python數(shù)據(jù)分析常用類庫3SciPy專門解決科學(xué)計算中各種標準問題域的模塊的集合第18頁，共365頁。提供了一系列能夠快速、便捷地處理結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)和函數(shù)。高性能的數(shù)組計算功能以及電子表格和關(guān)系型數(shù)據(jù)庫（如 SQL）靈活的數(shù)據(jù)處理功能。復(fù)雜精細的索引功能，以便便捷地完成重塑、切片和切塊、聚合及選取數(shù)據(jù)子集等操作。了解Python數(shù)據(jù)分析常用類庫4Pandas數(shù)據(jù)分析核心庫第19頁，共365頁。Python的2D繪圖庫，非常適合創(chuàng)建出版物上用的圖表。操作比較容易，只需幾行代碼即可生

13、成直方圖、功率譜圖、條形圖、錯誤圖和散點圖等圖形。提供了pylab的模塊，其中包括了NumPy和pyplot中許多常用的函數(shù)，方便用戶快速進行計算和繪圖。交互式的數(shù)據(jù)繪圖環(huán)境，繪制的圖表也是交互式的。了解Python數(shù)據(jù)分析常用類庫5Matplotlib繪制數(shù)據(jù)圖表的 Python 庫第20頁，共365頁。簡單有效，可以供用戶在各種環(huán)境下重復(fù)使用。封裝了一些常用的算法方法?；灸K主要有數(shù)據(jù)預(yù)處理、模型選擇、分類、聚類、數(shù)據(jù)降維和回歸 6 個，在數(shù)據(jù)量不大的情況下，scikit-learn可以解決大部分問題。了解Python數(shù)據(jù)分析常用類庫6scikit-learn數(shù)據(jù)挖掘和數(shù)據(jù)分析工具第21

14、頁，共365頁。提供高級的代碼編輯、交互測試和調(diào)試等特性。包含數(shù)值計算環(huán)境?？捎糜趯⒄{(diào)試控制臺直接集成到圖形用戶界面的布局中。模仿MATLAB的“工作空間”，可以很方便地觀察和修改數(shù)組的值。了解Python數(shù)據(jù)分析常用類庫7Spyder交互式 Python 語言開發(fā)環(huán)境第22頁，共365頁。掌握 Jupyter Notebook 常用功能目錄41認識數(shù)據(jù)分析安裝 Python 的 Anaconda 發(fā)行版3熟悉Python數(shù)據(jù)分析的工具2第23頁，共365頁。預(yù)裝了大量常用 Packages。完全開源和免費。額外的加速和優(yōu)化是收費的，但對于學(xué)術(shù)用途，可以申請免費的 License。對全平臺和幾

15、乎所有Python版本支持。了解 Python 的 Anaconda 發(fā)行版Anaconda第24頁，共365頁。安裝包“next”“I agree”“All Users(requires admin privileges)”選擇安裝路徑“Install”“finish”。在 Windows 系統(tǒng)上安裝 Anaconda安裝流程第25頁，共365頁。目錄1認識數(shù)據(jù)分析熟悉Python數(shù)據(jù)分析的工具2安裝 Python 的 Anaconda 發(fā)行版3掌握 Jupyter Notebook 常用功能4第26頁，共365頁。掌握 Jupyter Notebook 的基本功能打開并新建一個Notebo

16、ok打開 Jupyter Notebook“Text File”為純文本型“Folder” 為文件夾“Python 3” 表示 Python 運行腳本第27頁，共365頁。選擇”Python 3”選項，進入 Python 腳本編輯界面，Notebook 文檔由一系列單元（Cell）構(gòu)成，主要有兩種形式的單元。掌握 Jupyter Notebook 的基本功能Jupyter Notebook 的界面及其構(gòu)成代碼單元。這里是讀者編寫代碼的地方。Markdown 單元。在這里對文本進行編輯。第28頁，共365頁。編輯模式：用于編輯文本和代碼。掌握 Jupyter Notebook 的基本功能編輯界面

17、命令模式：用于執(zhí)行鍵盤輸入的快捷命令。第29頁，共365頁?！癊sc”鍵：進入命令模式“Y” 鍵：切換到代碼單元“M”鍵：切換到 Markdown 單元“B”鍵：在本單元的下方增加一單元“H”鍵：查看所有快捷命令“ShiftEnter”組合鍵：運行代碼掌握 Jupyter Notebook 的基本功能快捷鍵第30頁，共365頁。Markdown 是一種可以使用普通文本編輯器編寫的標記語言，通過簡單的標記語法，它可以使普通文本內(nèi)容具有一定的格式。標題：標題是標明文章和作品等內(nèi)容的簡短語句。一個“#”字符代表一級標題，以此類推。掌握 Jupyter Notebook 的高級功能1Markdown第

18、31頁，共365頁。列表：列表是一種由數(shù)據(jù)項構(gòu)成的有限序列，即按照一定的線性順序排列而成的數(shù)據(jù)項的集合。對于無序列表，使用星號、加號或者減號作為列表標記對于有序列表，則是使用數(shù)字“，”“（一個空格）”。掌握 Jupyter Notebook 的高級功能1Markdown第32頁，共365頁。加粗斜體：前后有兩個星號或下劃線表示加粗，前后有 3 個星號或下劃線表示斜體。掌握 Jupyter Notebook 的高級功能1Markdown第33頁，共365頁。表格：代碼的第一行表示表頭，第二行分隔表頭和主體部分，從第三行開始，每一行代表一個表格行；列與列之間用符號“”隔開，表格每一行的兩邊也要有符

19、號“”。掌握 Jupyter Notebook 的高級功能1Markdown第34頁，共365頁。數(shù)學(xué)公式編輯：LaTeX 是寫科研論文的必備工具， Markdown 單元中也可以使用 LaTeX 來插入數(shù)學(xué)公式。在文本行中插入數(shù)學(xué)公式，應(yīng)在公式前后分別加上一個“$” 符號如果要插入一個數(shù)學(xué)區(qū)塊，則在公式前后分別加上兩個“$”符號。掌握 Jupyter Notebook 的高級功能1Markdown第35頁，共365頁。Notebook 還有一個強大的特性，就是導(dǎo)出功能?？梢詫?Notebook 導(dǎo)出為多種格式，如HTML、Markdown、reST、PDF（通過 LaTeX）等格式。導(dǎo)出功能

20、可通過選擇“File”“Download as”級聯(lián)菜單中的命令實現(xiàn)。掌握 Jupyter Notebook 的高級功能2導(dǎo)出功能第36頁，共365頁。第37頁，共365頁。NumPy 數(shù)值計算基礎(chǔ)2018/1/20第38頁，共365頁。1掌握 NumPy 矩陣與通用函數(shù)利用 NumPy 進行統(tǒng)計分析目錄掌握 NumPy 數(shù)組對象 ndarray23第39頁，共365頁。屬性說明ndim返回 int。表示數(shù)組的維數(shù)shape返回 tuple。表示數(shù)組的尺寸，對于 n 行 m 列的矩陣，形狀為(n,m)size返回 int。表示數(shù)組的元素總數(shù)，等于數(shù)組形狀的乘積dtype返回 data-type

21、。描述數(shù)組中元素的類型itemsize返回 int。表示數(shù)組的每個元素的大?。ㄒ宰止?jié)為單位）。創(chuàng)建數(shù)組對象1數(shù)組屬性：ndarray（數(shù)組）是存儲單一數(shù)據(jù)類型的多維數(shù)組。第40頁，共365頁。參數(shù)名稱說明object接收array。表示想要創(chuàng)建的數(shù)組。無默認。dtype接收data-type。表示數(shù)組所需的數(shù)據(jù)類型。如果未給定，則選擇保存對象所需的最小類型。默認為None。ndmin接收int。指定生成數(shù)組應(yīng)該具有的最小維數(shù)。默認為None。創(chuàng)建數(shù)組對象2數(shù)組創(chuàng)建numpy.array(object, dtype=None, copy=True, order=K,subok=False, nd

22、min=0)第41頁，共365頁。In1:import numpy as np #導(dǎo)入NumPy庫arr1 = np.array(1, 2, 3, 4) #創(chuàng)建一維數(shù)組print(創(chuàng)建的數(shù)組為：,arr1)Out1:創(chuàng)建的數(shù)組為： 1 2 3 4In2:arr2 = np.array(1, 2, 3, 4,4, 5, 6, 7, 7, 8, 9, 10) #創(chuàng)建二維數(shù)組print(創(chuàng)建的數(shù)組為：n,arr2)Out2:創(chuàng)建的數(shù)組為： 1 2 3 4 4 5 6 7 7 8 9 10In3:print(數(shù)組維度為：,arr2.shape) #查看數(shù)組結(jié)構(gòu)Out3:數(shù)組維度為： (3, 4)創(chuàng)建數(shù)

23、組對象創(chuàng)建數(shù)組并查看數(shù)組屬性In4:print(數(shù)組維度為：,arr2.dtype) #查看數(shù)組類型Out4:數(shù)組維度為： int32In5:print(數(shù)組元素個數(shù)為：,arr2.size) #查看數(shù)組元素個數(shù)Out5:數(shù)組元素個數(shù)為： 12In6:print(數(shù)組每個元素大小為：,arr2.itemsize) #查看數(shù)組每個元素大小Out6:數(shù)組每個元素大小為： 4第42頁，共365頁。創(chuàng)建數(shù)組對象重新設(shè)置數(shù)組的 shape 屬性In7:arr2.shape = 4,3 #重新設(shè)置 shapeprint(重新設(shè)置 shape 后的 arr2 為：,arr2)Out7:重新設(shè)置shape維度

24、后的arr2為： 1 2 3 4 4 5 6 7 7 8 9 10使用 arange 函數(shù)創(chuàng)建數(shù)組In8:print(使用 arange 函數(shù)創(chuàng)建的數(shù)組為：n,np.arange(0,1,0.1)Out8:使用arange函數(shù)創(chuàng)建的數(shù)組為： 0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9第43頁，共365頁。創(chuàng)建數(shù)組對象使用 linspace 函數(shù)創(chuàng)建數(shù)組In9:print(使用 linspace 函數(shù)創(chuàng)建的數(shù)組為：,np.linspace(0, 1, 12)Out9:使用linspace函數(shù)創(chuàng)建的數(shù)組為： 0. 0.09090909 1. 使用 logspace

25、 函數(shù)創(chuàng)建等比數(shù)列In10:print(使用logspace函數(shù)創(chuàng)建的數(shù)組為：,np.logspace(0, 2, 20)Out10:使用logspace函數(shù)創(chuàng)建的數(shù)組為： 1. 1.27427499 1.62377674 ., 61.58482111 78.47599704 100. 第44頁，共365頁。創(chuàng)建數(shù)組對象使用zeros函數(shù)創(chuàng)建數(shù)組In11:print(使用zeros函數(shù)創(chuàng)建的數(shù)組為：,np.zeros(2,3)Out11:使用zeros函數(shù)創(chuàng)建的數(shù)組為： 0. 0. 0. 0. 0. 0.使用eye函數(shù)創(chuàng)建數(shù)組In12:print(使用eye函數(shù)創(chuàng)建的數(shù)組為：,np.eye(3

26、)Out12:使用eye函數(shù)創(chuàng)建的數(shù)組為： 1. 0. 0. 0. 1. 0. 0. 0. 1.第45頁，共365頁。創(chuàng)建數(shù)組對象使用diag函數(shù)創(chuàng)建數(shù)組In13:print(使用diag函數(shù)創(chuàng)建的數(shù)組為：,np.diag(1,2,3,4)Out13:使用diag函數(shù)創(chuàng)建的數(shù)組為： 1 0 0 0 0 2 0 0 0 0 3 0 0 0 0 4使用ones函數(shù)創(chuàng)建數(shù)組In14:print(使用ones函數(shù)創(chuàng)建的數(shù)組為：,np.ones(5,3)Out14:使用ones函數(shù)創(chuàng)建的數(shù)組為： 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.第46頁，共365頁

27、。NumPy基本數(shù)據(jù)類型與其取值范圍（只展示一部分）創(chuàng)建數(shù)組對象3數(shù)組數(shù)據(jù)類型類型描述bool用一位存儲的布爾類型（值為TRUE或FALSE）inti由所在平臺決定其精度的整數(shù)（一般為int32或int64）int8整數(shù)，范圍為128至127int16整數(shù)，范圍為32768至32767int32第47頁，共365頁。創(chuàng)建數(shù)組對象數(shù)組數(shù)據(jù)類型轉(zhuǎn)換In15:print(轉(zhuǎn)換結(jié)果為：,np.float64(42) #整型轉(zhuǎn)換為浮點型Out15:轉(zhuǎn)換結(jié)果為： 42.0In16:print(轉(zhuǎn)換結(jié)果為：,8(42.0) #浮點型轉(zhuǎn)換為整型Out16:轉(zhuǎn)換結(jié)果為： 42In17:print(轉(zhuǎn)

28、換結(jié)果為：,np.bool(42) #整型轉(zhuǎn)換為布爾型Out17:轉(zhuǎn)換結(jié)果為： TrueIn18:print(轉(zhuǎn)換結(jié)果為：,np.bool(0) #整型轉(zhuǎn)換為布爾型Out18:轉(zhuǎn)換結(jié)果為： FalseIn19:print(轉(zhuǎn)換結(jié)果為：,np.float(True) #布爾型轉(zhuǎn)換為浮點型Out19:轉(zhuǎn)換結(jié)果為： 1.0In20:print(轉(zhuǎn)換結(jié)果為：,np.float(False) #布爾型轉(zhuǎn)換為浮點型Out20:轉(zhuǎn)換結(jié)果為： 0.0第48頁，共365頁。創(chuàng)建數(shù)組對象創(chuàng)建一個存儲餐飲企業(yè)庫存信息的數(shù)據(jù)類型。其中，用一個長度為40個字符的字符串來記錄商品的名稱，用一個64位的整數(shù)來記錄商品的庫存

29、數(shù)量，最后用一個64位的單精度浮點數(shù)來記錄商品的價格，具體步驟如下。In21:df = np.dtype(name, np.str_, 40), (numitems, 64), (price,np.float64)print(數(shù)據(jù)類型為：,df)Out21:數(shù)據(jù)類型為： (name, U40), (numitems, i8), (price, f8)創(chuàng)建數(shù)據(jù)類型第49頁，共365頁。創(chuàng)建數(shù)組對象查看數(shù)據(jù)類型，可以直接查看或者使用numpy.dtype函數(shù)查看。In22:print(數(shù)據(jù)類型為：,dfname)Out22:數(shù)據(jù)類型為： U40In23:print(數(shù)據(jù)類型為：,np.

30、dtype(dfname)Out23:數(shù)據(jù)類型為： 、=、=、!=。比較運算返回的結(jié)果是一個布爾數(shù)組，每個元素為每個數(shù)組對應(yīng)元素的比較結(jié)果。邏輯運算：np.any函數(shù)表示邏輯“or”，np.all函數(shù)表示邏輯“and”。運算結(jié)果返回布爾值。認識ufunc函數(shù)全稱通用函數(shù)（universal function），是一種能夠?qū)?shù)組中所有元素進行操作的函數(shù)。第68頁，共365頁。廣播（broadcasting）是指不同形狀的數(shù)組之間執(zhí)行算術(shù)運算的方式。需要遵循4個原則。讓所有輸入數(shù)組都向其中shape最長的數(shù)組看齊，shape中不足的部分都通過在前面加1補齊。輸出數(shù)組的shape是輸入數(shù)組shape

31、的各個軸上的最大值。如果輸入數(shù)組的某個軸和輸出數(shù)組的對應(yīng)軸的長度相同或者其長度為1時，這個數(shù)組能夠用來計算，否則出錯。當(dāng)輸入數(shù)組的某個軸的長度為1時，沿著此軸運算時都用此軸上的第一組值。認識ufunc函數(shù)ufunc函數(shù)的廣播機制第69頁，共365頁。認識ufunc函數(shù)ufunc函數(shù)的廣播機制第70頁，共365頁。認識ufunc函數(shù)ufunc函數(shù)的廣播機制第71頁，共365頁。1掌握 NumPy 矩陣與通用函數(shù)利用 NumPy 進行統(tǒng)計分析目錄掌握 NumPy 數(shù)組對象 ndarray23第72頁，共365頁。save函數(shù)是以二進制的格式保存數(shù)據(jù)。 np.save(./tmp/save_arr,

32、arr)load函數(shù)是從二進制的文件中讀取數(shù)據(jù)。 np.load(./tmp/save_arr.npy) savez函數(shù)可以將多個數(shù)組保存到一個文件中。 np.savez(./tmp/savez_arr,arr1,arr2)存儲時可以省略擴展名，但讀取時不能省略擴展名。讀寫文件NumPy文件讀寫主要有二進制的文件讀寫和文件列表形式的數(shù)據(jù)讀寫兩種形式第73頁，共365頁。savetxt函數(shù)是將數(shù)組寫到某種分隔符隔開的文本文件中。 np.savetxt(./tmp/arr.txt, arr, fmt=%d, delimiter=,)loadtxt函數(shù)執(zhí)行的是把文件加載到一個二維數(shù)組中。 np.lo

33、adtxt(./tmp/arr.txt,delimiter=,)genfromtxt函數(shù)面向的是結(jié)構(gòu)化數(shù)組和缺失數(shù)據(jù)。 np.genfromtxt(./tmp/arr.txt, delimiter = ,)讀寫文件讀取文本格式的數(shù)據(jù)第74頁，共365頁。sort函數(shù)是最常用的排序方法。 arr.sort()sort函數(shù)也可以指定一個axis參數(shù)，使得sort函數(shù)可以沿著指定軸對數(shù)據(jù)集進行排序。axis=1為沿橫軸排序； axis=0為沿縱軸排序。使用數(shù)組進行簡單統(tǒng)計分析直接排序第75頁，共365頁。argsort函數(shù)返回值為重新排序值的下標。 arr.argsort()lexsort函數(shù)返回值

34、是按照最后一個傳入數(shù)據(jù)排序的。 np.lexsort(a,b,c)使用數(shù)組進行簡單統(tǒng)計分析間接排序第76頁，共365頁。通過unique函數(shù)可以找出數(shù)組中的唯一值并返回已排序的結(jié)果。tile函數(shù)主要有兩個參數(shù)，參數(shù)“A”指定重復(fù)的數(shù)組，參數(shù)“reps”指定重復(fù)的次數(shù)。 np.tile(A，reps)repeat函數(shù)主要有三個參數(shù)，參數(shù)“a”是需要重復(fù)的數(shù)組元素，參數(shù)“repeats”是重復(fù)次數(shù)，參數(shù)“axis”指定沿著哪個軸進行重復(fù)，axis = 0表示按行進行元素重復(fù)；axis = 1表示按列進行元素重復(fù)。 numpy.repeat(a, repeats, axis=None)這兩個函數(shù)的主

35、要區(qū)別在于，tile函數(shù)是對數(shù)組進行重復(fù)操作，repeat函數(shù)是對數(shù)組中的每個元素進行重復(fù)操作。使用數(shù)組進行簡單統(tǒng)計分析去重與重復(fù)數(shù)據(jù)第77頁，共365頁。函數(shù)說明sum計算數(shù)組的和mean計算數(shù)組均值std計算數(shù)組標準差var計算數(shù)組方差min計算數(shù)組最小值max計算數(shù)組最大值argmin返回數(shù)組最小元素的索引argmax返回數(shù)組最小元素的索引cumsum計算所有元素的累計和cumprod計算所有元素的累計積常用的統(tǒng)計函數(shù)當(dāng)axis=0時，表示沿著縱軸計算。當(dāng)axis=1時，表示沿著橫軸計算。默認時計算一個總值。第78頁，共365頁。讀取iris數(shù)據(jù)集中的花萼長度數(shù)據(jù)（已保存為csv格式），

36、并對其進行排序、去重，并求出和、累積和、均值、標準差、方差、最小值、最大值任務(wù)實現(xiàn)第79頁，共365頁。第80頁，共365頁。Matplotlib數(shù)據(jù)可視化基礎(chǔ)2022/8/20第81頁，共365頁。1分析特征間的關(guān)系目錄了解繪圖基礎(chǔ)語法與常用參數(shù)2分析特征內(nèi)部數(shù)據(jù)分布與分散狀況3小結(jié)4第82頁，共365頁。掌握pyplot基礎(chǔ)語法基本繪圖流程第83頁，共365頁。第一部分主要作用是構(gòu)建出一張空白的畫布，并可以選擇是否將整個畫布劃分為多個部分，方便在同一幅圖上繪制多個圖形的情況。最簡單的繪圖可以省略第一部分，而后直接在默認的畫布上進行圖形繪制。掌握pyplot基礎(chǔ)語法1.創(chuàng)建畫布與創(chuàng)建子圖函數(shù)

37、名稱函數(shù)作用plt.figure創(chuàng)建一個空白畫布，可以指定畫布大小，像素。figure.add_subplot創(chuàng)建并選中子圖，可以指定子圖的行數(shù)，列數(shù)，與選中圖片編號。第84頁，共365頁。第二部分是繪圖的主體部分。其中添加標題，坐標軸名稱，繪制圖形等步驟是并列的，沒有先后順序，可以先繪制圖形，也可以先添加各類標簽。但是添加圖例一定要在繪制圖形之后。掌握pyplot基礎(chǔ)語法2.添加畫布內(nèi)容函數(shù)名稱函數(shù)作用plt.title在當(dāng)前圖形中添加標題，可以指定標題的名稱、位置、顏色、字體大小等參數(shù)。plt.xlabel在當(dāng)前圖形中添加x軸名稱，可以指定位置、顏色、字體大小等參數(shù)。plt.ylabel在

38、當(dāng)前圖形中添加y軸名稱，可以指定位置、顏色、字體大小等參數(shù)。plt.xlim指定當(dāng)前圖形x軸的范圍，只能確定一個數(shù)值區(qū)間，而無法使用字符串標識。plt.ylim指定當(dāng)前圖形y軸的范圍，只能確定一個數(shù)值區(qū)間，而無法使用字符串標識。plt.xticks指定x軸刻度的數(shù)目與取值。plt.yticks指定y軸刻度的數(shù)目與取值。plt.legend指定當(dāng)前圖形的圖例，可以指定圖例的大小、位置、標簽。第85頁，共365頁。第三部分主要用于保存和顯示圖形。掌握pyplot基礎(chǔ)語法3.存與展示圖形函數(shù)名稱函數(shù)作用plt.savafig保存繪制的圖片，可以指定圖片的分辨率、邊緣的顏色等參數(shù)。plt.show在本

39、機顯示圖形。第86頁，共365頁。pyplot使用rc配置文件來自定義圖形的各種默認屬性，被稱為rc配置或rc參數(shù)。在pyplot中幾乎所有的默認屬性都是可以控制的，例如視圖窗口大小以及每英寸點數(shù)、線條寬度、顏色和樣式、坐標軸、坐標和網(wǎng)格屬性、文本、字體等。設(shè)置pyplot的動態(tài)rc參數(shù)第87頁，共365頁。設(shè)置pyplot的動態(tài)rc參數(shù)線條的常用rc參數(shù)名稱、解釋與取值rc參數(shù)名稱解釋取值lines.linewidth線條寬度取0-10之間的數(shù)值，默認為1.5。lines.linestyle線條樣式可取“-”“-”“-.”“：”四種。默認為“-”。lines.marker線條上點的形狀可取“

40、o”“D”“h”“.”“,”“S”等20種，默認為None。lines.markersize點的大小取0-10之間的數(shù)值，默認為1。第88頁，共365頁。設(shè)置pyplot的動態(tài)rc參數(shù)常用線條類型解釋linestyle取值意義linestyle取值意義-實線-.點線-長虛線:短虛線第89頁，共365頁。marker取值意義marker取值意義o圓圈.點D菱形s正方形h六邊形1*星號H六邊形2d小菱形-水平線v一角朝下的三角形8八邊形一角朝右的三角形，像素一角朝上的三角形+加號豎線None無xX設(shè)置pyplot的動態(tài)rc參數(shù)線條標記解釋第90頁，共365頁。由于默認的pyplot字體并不支持中文

41、字符的顯示，因此需要通過設(shè)置font.sans-serif參數(shù)改變繪圖時的字體，使得圖形可以正常顯示中文。同時，由于更改字體后，會導(dǎo)致坐標軸中的部分字符無法顯示，因此需要同時更改axes.unicode_minus參數(shù)。除了設(shè)置線條和字體的rc參數(shù)外，還有設(shè)置文本、箱線圖、坐標軸、刻度、圖例、標記、圖片、圖像保存等rc參數(shù)。具體參數(shù)與取值可以參考官方文檔。設(shè)置pyplot的動態(tài)rc參數(shù)注意事項第91頁，共365頁。1分析特征間的關(guān)系目錄了解繪圖基礎(chǔ)語法與常用參數(shù)2分析特征內(nèi)部數(shù)據(jù)分布與分散狀況3小結(jié)4第92頁，共365頁。散點圖（scatter diagram）又稱為散點分布圖，是以一個特征為

42、橫坐標，另一個特征為縱坐標，利用坐標點（散點）的分布形態(tài)反映特征間的統(tǒng)計關(guān)系的一種圖形。值是由點在圖表中的位置表示，類別是由圖表中的不同標記表示，通常用于比較跨類別的數(shù)據(jù)。繪制散點圖散點圖第93頁，共365頁。matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, alpha=None, *kwargs)常用參數(shù)及說明如下表所示。繪制散點圖scatter函數(shù)參數(shù)名稱說明x，y接收array。表示x軸和y軸對應(yīng)的數(shù)據(jù)。無默認。s接收數(shù)值或者一維的array。指定點的大小，若傳入一維array則表示每個點的大小。默認為None。c接

43、收顏色或者一維的array。指定點的顏色，若傳入一維array則表示每個點的顏色。默認為Nonemarker接收特定string。表示繪制的點的類型。默認為None。alpha接收0-1的小數(shù)。表示點的透明度。默認為None。第94頁，共365頁。折線圖（line chart）是一種將數(shù)據(jù)點按照順序連接起來的圖形。可以看作是將散點圖，按照x軸坐標順序連接起來的圖形。折線圖的主要功能是查看因變量y隨著自變量x改變的趨勢，最適合用于顯示隨時間（根據(jù)常用比例設(shè)置）而變化的連續(xù)數(shù)據(jù)。同時還可以看出數(shù)量的差異，增長趨勢的變化。繪制折線圖折線圖第95頁，共365頁。matplotlib.pyplot.pl

44、ot(*args, *kwargs) plot函數(shù)在官方文檔的語法中只要求填入不定長參數(shù)，實際可以填入的主要參數(shù)主要如下。繪制折線圖plot函數(shù)參數(shù)名稱說明x，y接收array。表示x軸和y軸對應(yīng)的數(shù)據(jù)。無默認。color接收特定string。指定線條的顏色。默認為None。linestyle接收特定string。指定線條類型。默認為“-”。marker接收特定string。表示繪制的點的類型。默認為None。alpha接收0-1的小數(shù)。表示點的透明度。默認為None。第96頁，共365頁。color參數(shù)的8種常用顏色的縮寫。繪制折線圖plot函數(shù)顏色縮寫代表的顏色顏色縮寫代表的顏色b藍色m品

45、紅g綠色y黃色r紅色k黑色c青色w白色第97頁，共365頁。國民生產(chǎn)總值數(shù)據(jù)總共有三大產(chǎn)業(yè)的國民生產(chǎn)總值，以及農(nóng)業(yè)、工業(yè)、建筑、批發(fā)、交通、餐飲、金融、房地產(chǎn)和其他行業(yè)各個季度的增加值。通過散點圖分析三大行業(yè)的國民生產(chǎn)總值可以發(fā)現(xiàn)我國產(chǎn)業(yè)結(jié)構(gòu)。通過比較各行業(yè)間季度的增加值則可以發(fā)現(xiàn)國民經(jīng)濟的主要貢獻行業(yè)。任務(wù)實現(xiàn)1.繪制2000-2017各產(chǎn)業(yè)與行業(yè)的國民生產(chǎn)總值散點圖第98頁，共365頁。通過繪制2000-2017各產(chǎn)業(yè)與行業(yè)的國民生產(chǎn)總值折線圖，分別能夠發(fā)現(xiàn)我國經(jīng)濟各產(chǎn)業(yè)與各行業(yè)增長趨勢。任務(wù)實現(xiàn)2.繪制2000-2017各產(chǎn)業(yè)與行業(yè)的國民生產(chǎn)總值折線圖第99頁，共365頁。1分析特征間的

46、關(guān)系目錄了解繪圖基礎(chǔ)語法與常用參數(shù)2分析特征內(nèi)部數(shù)據(jù)分布與分散狀況3小結(jié)4第100頁，共365頁。直方圖（Histogram）又稱質(zhì)量分布圖，是統(tǒng)計報告圖的一種，由一系列高度不等的縱向條紋或線段表示數(shù)據(jù)分布的情況，一般用橫軸表示數(shù)據(jù)所屬類別，縱軸表示數(shù)量或者占比。用直方圖可以比較直觀地看出產(chǎn)品質(zhì)量特性的分布狀態(tài)，便于判斷其總體質(zhì)量分布情況。直方圖可以發(fā)現(xiàn)分布表無法發(fā)現(xiàn)的數(shù)據(jù)模式、樣本的頻率分布和總體的分布。繪制直方圖直方圖第101頁，共365頁。matplotlib.pyplot.bar（left，height，width = 0.8，bottom = None，hold = None，dat

47、a = None，* kwargs ）常用參數(shù)及說明如下表所示。繪制直方圖bar函數(shù)參數(shù)名稱說明left接收array。表示x軸數(shù)據(jù)。無默認。height接收array。表示x軸所代表數(shù)據(jù)的數(shù)量。無默認。width接收0-1之間的float。指定直方圖寬度。默認為0.8。color接收特定string或者包含顏色字符串的array。表示直方圖顏色。默認為None。第102頁，共365頁。餅圖（Pie Graph）是將各項的大小與各項總和的比例顯示在一張“餅”中，以“餅”的大小來確定每一項的占比。餅圖可以比較清楚地反映出部分與部分、部分與整體之間的比例關(guān)系，易于顯示每組數(shù)據(jù)相對于總數(shù)的大小，而且

48、顯現(xiàn)方式直觀。繪制餅圖餅圖第103頁，共365頁。matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, )常用參數(shù)及說明如下表所示。繪制餅圖pie函數(shù)參數(shù)名稱說明參數(shù)名稱說明x接收array。表示用于繪制撇的數(shù)據(jù)。無默認。autopct接收特定string。指定數(shù)值的顯示方式。默認為None。explode接收array。表示指定項離

49、餅圖圓心為n個半徑。默認為None。pctdistance接收float。指定每一項的比例和距離餅圖圓心n個半徑。默認為0.6。labels接收array。指定每一項的名稱。默認為None。labeldistance接收float。指定每一項的名稱和距離餅圖圓心多少個半徑。默認為1.1。color接收特定string或者包含顏色字符串的array。表示餅圖顏色。默認為None。radius接收float。表示餅圖的半徑。默認為1。第104頁，共365頁。箱線圖（boxplot）也稱箱須圖，其繪制需使用常用的統(tǒng)計量，能提供有關(guān)數(shù)據(jù)位置和分散情況的關(guān)鍵信息，尤其在比較不同特征時，更可表現(xiàn)其分散程度

50、差異。箱線圖利用數(shù)據(jù)中的五個統(tǒng)計量（最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)和最大值）來描述數(shù)據(jù)，它也可以粗略地看出數(shù)據(jù)是否具有對稱性、分布的分散程度等信息，特別可以用于對幾個樣本的比較。繪制箱線圖箱線圖第105頁，共365頁。matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None,meanline=None, labels=None, )常用參數(shù)及說明如下表所示。繪制箱線圖boxplot函數(shù)參數(shù)名稱說明參數(shù)名稱說

51、明x接收array。表示用于繪制箱線圖的數(shù)據(jù)。無默認。positions接收array。表示圖形位置。默認為None。notch接收boolean。表示中間箱體是否有缺口。默認為None。widths接收scalar或者array。表示每個箱體的寬度。默認為None。sym接收特定sting。指定異常點形狀。默認為None。labels接收array。指定每一個箱線圖的標簽。默認為None。vert接收boolean。表示圖形是橫向縱向或者橫向。默認為None。meanline接收boolean。表示是否顯示均值線。默認為False。第106頁，共365頁。通過直方圖分析2000年第一季度和2

52、017年第一季度之間的三大產(chǎn)業(yè)的國民生產(chǎn)總值，可以發(fā)現(xiàn)各產(chǎn)業(yè)絕對數(shù)值之間的關(guān)系，并通過對比發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)的變化。同理可以得出行業(yè)間的絕對數(shù)值關(guān)系以及17年來行業(yè)發(fā)展狀況。任務(wù)實現(xiàn)1.繪制國民生產(chǎn)總值構(gòu)成分布直方圖第107頁，共365頁。通過分析2000年與2017年不同的產(chǎn)業(yè)和行業(yè)在國民生產(chǎn)總值中的占比，可以發(fā)現(xiàn)我國產(chǎn)業(yè)結(jié)構(gòu)變化和行業(yè)變遷。任務(wù)實現(xiàn)2.繪制國民生產(chǎn)總值構(gòu)成分布餅圖第108頁，共365頁。通過分析2000年至2017年不同的產(chǎn)業(yè)和行業(yè)在國民生產(chǎn)總值中的分散情況，可以發(fā)現(xiàn)整體分散情況，從而判斷整體增速是否加快。任務(wù)實現(xiàn)3.繪制國民生產(chǎn)總值分散情況箱線圖第109頁，共365頁。1分析特

53、征間的關(guān)系目錄了解繪圖基礎(chǔ)語法與常用參數(shù)2分析特征內(nèi)部數(shù)據(jù)分布與分散狀況3小結(jié)4第110頁，共365頁。本章以2000至2017年各季度國民生產(chǎn)總值數(shù)據(jù)為例，介紹了pyplot繪圖的基本語法，常用參數(shù)。介紹了分析特征間相關(guān)關(guān)系的散點圖。分析特征間趨勢關(guān)系的折線圖。分析特征內(nèi)部數(shù)據(jù)分布的直方圖和餅狀圖。以及分析特征內(nèi)部數(shù)據(jù)分散情況的箱線圖。為讀者后續(xù)深入學(xué)習(xí)Matplotlib數(shù)據(jù)可視化打下了深厚的基礎(chǔ)。小結(jié)第111頁，共365頁。第112頁，共365頁。pandas統(tǒng)計分析基礎(chǔ)2022/8/20第113頁，共365頁。1掌握DataFrame的常用操作目錄讀寫不同數(shù)據(jù)源的數(shù)據(jù)2轉(zhuǎn)換與處理時間序

54、列數(shù)據(jù)3第114頁，共365頁。pandas提供了讀取與存儲關(guān)系型數(shù)據(jù)庫數(shù)據(jù)的函數(shù)與方法。除了pandas庫外，還需要使用SQLAlchemy庫建立對應(yīng)的數(shù)據(jù)庫連接。SQLAlchemy配合相應(yīng)數(shù)據(jù)庫的Python連接工具（例如MySQL數(shù)據(jù)庫需要安裝mysqlclient或者pymysql庫），使用create_engine函數(shù)，建立一個數(shù)據(jù)庫連接。creat_engine中填入的是一個連接字符串。在使用Python的SQLAlchemy時，MySQL和Oracle數(shù)據(jù)庫連接字符串的格式如下 數(shù)據(jù)庫產(chǎn)品名+連接工具名：/用戶名:密碼數(shù)據(jù)庫IP地址:數(shù)據(jù)庫端口號/數(shù)據(jù)庫名稱？charset =

55、 數(shù)據(jù)庫數(shù)據(jù)編碼讀寫數(shù)據(jù)庫數(shù)據(jù)1.數(shù)據(jù)庫數(shù)據(jù)讀取第115頁，共365頁。read_sql_table只能夠讀取數(shù)據(jù)庫的某一個表格，不能實現(xiàn)查詢的操作。 pandas.read_sql_table(table_name, con, schema=None, index_col=None, coerce_float=True, columns=None)read_sql_query則只能實現(xiàn)查詢操作，不能直接讀取數(shù)據(jù)庫中的某個表。 pandas.read_sql_query(sql, con, index_col=None, coerce_float=True)read_sql是兩者的綜合，既能夠

56、讀取數(shù)據(jù)庫中的某一個表，也能夠?qū)崿F(xiàn)查詢操作。 pandas.read_sql(sql, con, index_col=None, coerce_float=True, columns=None)讀寫數(shù)據(jù)庫數(shù)據(jù)1.數(shù)據(jù)庫數(shù)據(jù)讀取第116頁，共365頁。參數(shù)名稱說明sql or table_name接收string。表示讀取的數(shù)據(jù)的表名或者sql語句。無默認。con接收數(shù)據(jù)庫連接。表示數(shù)據(jù)庫連接信息。無默認index_col接收int，sequence或者False。表示設(shè)定的列作為行名，如果是一個數(shù)列則是多重索引。默認為None。coerce_float接收boolean。將數(shù)據(jù)庫中的decim

57、al類型的數(shù)據(jù)轉(zhuǎn)換為pandas中的float64類型的數(shù)據(jù)。默認為True。columns接收list。表示讀取數(shù)據(jù)的列名。默認為None。讀寫數(shù)據(jù)庫數(shù)據(jù)1.數(shù)據(jù)庫數(shù)據(jù)讀取pandas三個數(shù)據(jù)庫數(shù)據(jù)讀取函數(shù)的參數(shù)幾乎完全一致，唯一的區(qū)別在于傳入的是語句還是表名。第117頁，共365頁。數(shù)據(jù)庫數(shù)據(jù)讀取有三個函數(shù)，但數(shù)據(jù)存儲則只有一個to_sql方法。DataFrame.to_sql(name, con, schema=None, if_exists=fail, index=True, index_label=None, dtype=None)讀寫數(shù)據(jù)庫數(shù)據(jù)2.數(shù)據(jù)庫數(shù)據(jù)存儲參數(shù)名稱說明name

58、接收string。代表數(shù)據(jù)庫表名。無默認。con接收數(shù)據(jù)庫連接。無默認。if_exists接收fail，replace，append。fail表示如果表名存在則不執(zhí)行寫入操作；replace表示如果存在，將原數(shù)據(jù)庫表刪除，再重新創(chuàng)建；append則表示在原數(shù)據(jù)庫表的基礎(chǔ)上追加數(shù)據(jù)。默認為fail。index接收boolean。表示是否將行索引作為數(shù)據(jù)傳入數(shù)據(jù)庫。默認True。index_label接收string或者sequence。代表是否引用索引名稱，如果index參數(shù)為True此參數(shù)為None則使用默認名稱。如果為多重索引必須使用sequence形式。默認為None。dtype接收dic

59、t。代表寫入的數(shù)據(jù)類型（列名為key，數(shù)據(jù)格式為values）。默認為None。第118頁，共365頁。文本文件是一種由若干行字符構(gòu)成的計算機文件，它是一種典型的順序文件。csv是一種逗號分隔的文件格式，因為其分隔符不一定是逗號，又被稱為字符分隔文件，文件以純文本形式存儲表格數(shù)據(jù)（數(shù)字和文本）。讀寫文本文件1.文本文件讀取第119頁，共365頁。使用read_table來讀取文本文件。pandas.read_table(filepath_or_buffer, sep=t, header=infer, names=None, index_col=None, dtype=None, engine=

60、None, nrows=None)使用read_csv函數(shù)來讀取csv文件。pandas.read_csv(filepath_or_buffer, sep=t, header=infer, names=None, index_col=None, dtype=None, engine=None, nrows=None)讀寫文本文件1.文本文件讀取第120頁，共365頁。read_table和read_csv常用參數(shù)及其說明。讀寫文本文件1.文本文件讀取參數(shù)名稱說明filepath接收string。代表文件路徑。無默認。sep接收string。代表分隔符。read_csv默認為“,”，read_t