《Python机器学习》教学课件—NumPy数据分析 (一)

12345810967本章主要内容：❑ 安装IPython ❑ 使用IPython 的shell ❑ 阅读手册页 ❑ 安装Matplotlib❑ 运行基于Web 的notebook ❑ 从notebook 导出脚本和数据 ❑ 导入脚本和数据到notebook ❑ 配置notebook 服务器 ❑ 初探SymPy 配置1.1 引言IPython 是一个免费、开源的项目，支持Linux 、Unix 、Mac OS X 和Windows 平台，其官方网址是/。

IPython 的作者只要求你在用到IPython 的科技著作中注明引用即可。

IPython 中包括各种组件，其中的两个主要组件是：❑ 基于终端方式和基于Qt 的交互式Python shell❑ 支持多媒体和绘图功能的基于Web 的notebook （版本号为0.12以上的IPython 支持此功能）与IPython 兼容的Python 版本是2.5①、2.6、2.7、3.1和3.2。

不需要本地安装，你可以在云端尝试使用IPython ，网址为/ try-ipython/。

和本地安装的IPython 相比，云端版本会稍有时延，使用体验稍逊，但已具备IPython 交互式shell 的绝大多数功能。

在云端版本中还可使用vi/vim 编辑器。

如果你喜欢vi ，这自然是个很棒的功能，你可以在IPython 会话过程中保存和编辑文件。

只有vi 编辑器可用，对我来讲不是什——————————① IPython 的较新版本已不支持Python 2.5。

——译者注2第1章 使用IPython么问题，我本人对Emacs之类的其他编辑器并不感兴趣。

1.2安装IPythonIPython有许多种安装方式，这主要和使用什么操作系统有关。

基于终端的shell组件依赖于readline的存在，基于Web的notebook需要用到tornado和zmq。

除了安装IPython，我们还需要安装setuptools，其中包含了easy_install命令。

Python数据分析之numpy学习（一）Python是一门不错的动态语言，其应用的领域非常广泛，如web 开发、Linux运维、数据挖掘、机器学习、爬虫、推荐系统等。

在学完《廖雪峰Python2.7教程》感觉受益匪浅，掌握了基本的语法之后开始接触用Python进行数据分析。

这里向大家推荐两本书《Python数据分析》和《利用Python进行数据分析》，而这两本书也是目前我正在学习的材料，虽然这两本书都是基于Python2.x，但对于Python3.x也能正常运行。

本期将会涉及到Python模块中的numpy，这是一个处理数组的强大模块，而该模块也是其他数据分析模块（如pandas和scipy）的核心。

下面将从这5个方面来介绍numpu模块的内容：1）数组的创建2）有关数组的属性和函数3）数组元素的获取--普通索引、切片、布尔索引和花式索引4）统计函数与线性代数运算5）随机数的生成数组的创建numpy中使用array()函数创建数组,array的首个参数一定是一个序列，可以是元组也可以是列表。

一维数组的创建可以使用numpy中的arange()函数创建一维有序数组，它是内置函数range的扩展版。

In [1]: import numpy as npIn [2]: ls1 = range(10)In [3]: list(ls1)Out[3]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]In [4]: type(ls1)Out[4]: rangeIn [5]: ls2 = np.arange(10)In [6]: list(ls2)Out[6]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]In [7]: type(ls2)Out[7]: numpy.ndarray通过arange生成的序列就不是简简单单的列表类型了，而是一个一维数组。

如果一维数组不是一个规律的有序元素，而是人为的输入，就需要array()函数创建了。

Python数据分析库-Numpy库在数据分析中的知识点（一）各位客官姥爷好，欢迎回来。

细心的你们肯定发现在pandas知识点（二）一文中用到了numpy库，numpy库也是我们这些数据人经常用的python库之一，那么numpy又有哪些知识点呢？我们本节先来看看如何创建数组。

01创建普通数组numpy.array(object, dtype=None, *, copy=True, order='K', s ubok=False, ndmin=0)object参数：可以是数列，元组，数组等对象dtype参数：表示数据类型（注意这个参数同时也说明array返回的是同类型数组），在numpy中常用的数据类型有：数据类型解释说明bool布尔类型str 字符类型int、uint 有符号和无符号的32位整型int8、uint8 有符号和无符号的8位整型int16、uint16 有符号和无符号的16位整型int32、uint32 有符号和无符号的32位整型int64、uint64 有符号和无符号的64位整型float、float64 双精度浮点数float32 单精度浮点数float16 半精度浮点数complex、complex128 128位复数complex64 64位复数copy参数：表示是否需要复制，可能有不少人对这个参数表示不理解，下面会给出示例。

order参数：表示数组在内存中的布局，包含这四种值：{'K’,'A’, 'C’, 'F’}，K为内存中的顺序，a为任意顺序，C为按行顺序，F为按列顺序。

subok参数：表示是否需要返回一个基类数组，默认为False。

ndmin参数：表示数组的最小维数。

具体的用法，请见下面示例：•••••#示例1import numpy as npL = [0.05,0,1,2,3,4]arr = np.array(L)arrarray([0.05, 0. , 1. , 2. , 3. , 4. ])L数列中的数据类型并非都是浮点型，但数组返回的都是浮点型，也验证了我们上面的猜测。