python 数据分析：

get  linux系统安装方法

正态分布randn

beta分布beta

a=np.random.rand(2,4)#生成两行四列0-1之间随机数
b=np.random.randint(1,100,6)#0-100间的整数，size为6

numpy.array的数据结构只能有一种数据类型
不像list可以存放多种数据类型
np.array(list,dtype=np.数据类型)

numpy的简介

数据分析模块

胶水特性：将语言进行结合

print(df.head(3))
print(df.tail(3))
print(df.index)
print(df.values)
print(df.T)
print(df.sort(columns=“C”））
print（df.sort_index(axis=1,ascending=False))
print(df.describe())
print(df["A"])
print(df[:3])
print(df["20170301":"20170304"])
print(df.loc[dates[0]])
print(df.loc["20170301":"20170304",["B","D"]])
print(df[df.B>0][df.A<0])

s=pd.Series([i*2 for i in range(1,11)])
print(type(s))
dates=pd.date_range("20170301",periods=8)
df=pd.DataFrame(np.random.randn(8,5),index=dates,columns=list("abcde"))

fig=plt.figure()
ax=fig.add_subplot(3,3,1)
n=128
X=np.random.normal(0,1,n)
Y=np.random.normal(0,1,n)
T=np.arctan2(Y,X)
#plt.axes([0.025,0.025,0.95,0.95])
plt.scatter(X,Y,s=75,c=T,alpha=.5)
plt.xlim(-1.5,1.5),plt.xticks([])
plt.ylim(-1.5,1.5),plt.yticks([])
plt.axis()
plt.title("scatter")
plt.show()
#bar
fig.add_subplot(332)
plt.bar(X,+Y1,facecolor,edgecolor)
#pie
fig.add_subplot(333)
plt.pie(...）

import matplotlib.pyplot as plt
x=np.linspace(-np.pi,np.pi,256,endpoint=True)
c,s=np.cos(x),np.sin(x）
plt.figure(1)
plt.plot(x,c，color="blue",linewidth=1.0,line,label="COS",alpha=0.5)
plt.plot(x,s,"r*",lanel="SIN")
ax=plt.gca()
ax.spines["right"].set_color("none")
ax.spines["top"].set_color("none")
ax.spines["left"].set_position(("data",0))
ax.spines["bottom"].set_position(("data",0))
ax.xaxis.set_ticks_position("bottom")
ax.yaxis.set_ticks_posion("left")
plt.title(COS&SIN)
plt.xticks([][])
plt.yticks(np.linspace(-1,1,5,endpoint=True))
for label in ax.get_xticklabels()+ax.get_yticklabels():
    label.set_fontsize(16)
    label.set_bbox(dict(facecolor="white",edgecolor="None",alpha=0.2))
plt.legend(loc="upper left")
plt.grid
plt.axis([-1,1,-0.5,1])
plt.show()

from numpy.linalg import *
print(np.eye(3)
print(inv(lst))//逆矩阵
print(lst.transpose())
print（det(lst)）
print(eig(lst))/特征值特征向量

lst=np.arang(1,11).reshape([2,-1])
print(np.exp(lst))
print(np.exp2(lst))
print(np.sin(lst))
print(lst.sum(axis=0/1/2)
print(np.concatenate(lst1,lst2),axis=0))
print(np.vstack(lst1,lst2))
print(np.hstack(lst1,lst2))
print(np.split(lst1））