python数据分析基础 阮敬_Python 数据分析基础
一、Python环境配置
因为自己的电脑已经有Python的环境了，所以无法一步一步详细的介绍Python的安装步骤，简单介绍下需要安装的东西：
⒈ Python安装
既然叫做用Python进行数据分析，那么安装Python是必不可少的，要记住，Python是你向计算机发号施令的语言（像英语一样，是你和计算机交流的一种语言，其他编程语言都是这个意思）。
根据自己电脑的操作系统，选择对应的版本安装即可。
⒉ 集成开发环境(IDE，Integrated Development Environment)
注意IDE是建立在安装了编程语言之上的一个工具。
IDE是一种个编程软件，是集成了程序员语言开发中会需要的一些基本工具、基本环境和其他辅助功能的应用软件。IDE一般包含三个主要组件：源代码编辑器（Editor）、编译器、解释器（Compiler、Interpreter）和调试器（Debugger）。
目前IDE很多，选择适合自己的就好。
【软件开发人员版】
总之就是感觉功能很丰富。
【数据分析人员版】
为了方便，可以使用Jupyter Notebook，一种类似于记事本的IDE。安装方法：https://jupyter.org/install 。
Jupyter有个好处是，你可以把它安装在服务器上，走到哪里都可以通过浏览器打开。
二、Python语言的基础
像学英语一样，每个语言有自己的词汇、语法，Python也不例外。这块基础知识可以参照廖雪峰老师的教程，从一个程序员的角度来看，还是很不错的。Python教程
三、Pandas学习
⒈ Pandas 安装
Pandas官网，具体的安装方法可以参考下，实际需要参照你的IDE环境来选择安装方式。
⒉ Pandas 学习
Pandas常用的数据结构有两种：Series和DataFrame。这些数据结构都是构建早Numpy数组之上的。
真的感觉很详细。
3.实践
# coding = utf-8
import numpy as np
import stats as sts
#随机生成10个0-100的整数
data = np.random.randint(100, size=10)
print("原始数据：",data)
#排序
print("排序后数据：",np.sort(data, axis=0))
#众数
counts = np.bincount(data)
modenum = np.argmax(counts)
print("众数：",modenum)
#中位数
print("中位数：",np.median(data))
#算术平均数
print("算术平均数：",np.mean(data))
#25%分位数和75%分位数
print("25%分位数和75%分位数：",np.percentile(data, 25), np.percentile(data,75))
#极差
print("极差：",np.ptp(data))
#加权平均数
weights = np.random.randint(10, size=10)
print("权重：",weights)
print("加权平均数：",np.average(data, weights=weights))
#几何平均数
production = 1
for i in data:
production *= i
print("几何平均数：",production**(1/10))
#方差
print("方差：",np.var(data))
#标准差
print("标准差：",np.std(data))
#平均差
avgd = 0
for i in data:
avgd += abs(i - np.mean(data))
print("平均差：",avgd/10)
#四分位差
print("四分位差：",np.percentile(data, 75) - np.percentile(data, 25))
#异众比率
count = 0
for i in data:
if i != modenum:
count += 1
print("异众比率：",count/10)
#离散系数
print("离散系数：",np.std(data)/np.mean(data))
#偏态系数
print("偏态系数：",sts.skewness(data))
#峰态系数
print("峰态系数：",sts.kurtosis(data))
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！