Python 数据科学手册学习.1
Python 数据科学手册pdf+源代码这本书可以说的上是使用python进行数据分析的必备书籍了，作为学习记录还是不想鸽的。
完成了基本的配置工作
help和？搭配使用，可以简单的看成一个查询帮助系统
一个？，基本的信息
二个？？，打印源码
_然后Tab补全命令
* 通配符命令
Ipython里面支持的快捷键，建议在cmd用
% | 单行输入 |
|---|---|
%% | 多行输入 |
多个代码复制时使用，先复制代码
然后执行这个命令，就自动复制了
可以使用run命令，运行外面的脚本文件
成功
def square(x):
"""求平方"""
return x ** 2
for N in range(1, 4):
print(N, "square is ", square(N))
你自己试试
一些简单的pdb调试命令
性能检测部分
% 单行，说了很多次
%%多行，然后这个命令不会对垃圾回收的什么做干预
所以会慢一些
对于一个函数来说，可以使用下面的函数来对每一行的代码来计时
可以看到对每一行的计时操作
这里就是要重点说的numpy了
按照惯例名字叫np缩写，打印了一下版本
其实np里面最多的概念就是数组，就像matlab一样时矩阵优先
在这里先使用自带的array库，生成一个list
我们用np的时候时这样的输入
然后int和float共存的情况下，进行数据升级操作
也可以指定要生成的数据类型
也可以对每一列进行+1的操作，循环3次
生成一个10个数的数组，类型是integer
也可以生成规模指定的数组
或者可以指定生成的浮点型数组
这几个适合一起对比看，就不单独的截图了
第一个，按照步进2 ，从0到20
第二个在0到1之间，随机生成5个数字
第三个是均匀分布
第四个是均值0，方差1的正态分布
最后一个，[0,10）区间的随机整型数组
最后来个单位阵
np.zeros(10, dtype='int16') |
|---|
np.zeros(10, dtype=np.int16） |
这是两种不同的指定数据类型的方法，我觉得最后的写法更酷更统一一些
标准的数据类型有这么多
对一个数组的操作，大概就是这么多
x3=np.random.randint(10,size=(3,4,5))# 三维数组先建立一个3x3的数组
上面这些个方法就可以对一个任意维数的数组做定量的描述了
第一个是维度
第二个是形状
第三个是元素的数量
第四个是元素的类型
第五个是单个元素的大小
第六个是所有元素的总和
写一个一维的数组，来所用索引号来访问值
前两个是正向的获取值方法
后两个是使用负值进行末尾元素的获取
x2是一个二维的数组
使用（行，列）这样的元素获取法，这样的形式叫逗号分割的索引元组
如何获得一个子数组
第一个生成一个一维的数组
获取前五个元素
获取后五个元素
获取中间的子数组
隔一个元素取一下
从1开始，隔一个取一下