[Python数据挖掘]第2章Python数据分析简介

Posted 2021-01-23 进击的小猴子

《Python数据分析与挖掘实战》的数据和代码，可从“泰迪杯”竞赛网站（http://www.tipdm.org/tj/661.jhtml）下载获得

 

 

1、Python数据结构

2、Numpy数组

import numpy as np #一般以np作为numpy的别名

a = np.array([2, 0, 1, 5]) #创建数组
print(a) #输出数组
print(a[:3]) #引用前三个数字（切片）
print(a.min()) #输出a的最小值
a.sort() #将a的元素从小到大排序，此操作直接修改a，因此这时候a为[0, 1, 2, 5]
b= np.array([[1, 2, 3], [4, 5, 6]]) #创建二维数组
print(b*b) #输出数组的平方阵，即[[1, 4, 9], [16, 25, 36]]

[2 0 1 5]
[2 0 1]
0
[[ 1  4  9]
 [16 25 36]]

3、Scipy矩阵

from scipy.optimize import fsolve #导入求解方程组的函数
from scipy import integrate #导入积分函数

def f(x): #定义要求解的方程组
  x1 = x[0]
  x2 = x[1]
  return [2*x1 - x2**2 - 1, x1**2 - x2 -2]
result = fsolve(f, [1,1]) #输入初值[1, 1]并求解
print(result) #输出结果，为array([ 1.91963957,  1.68501606])

#数值积分
def g(x): #定义被积函数
  return (1-x**2)**0.5
pi_2, err = integrate.quad(g, -1, 1) #积分结果和误差
print(pi_2 * 2) #由微积分知识知道积分结果为圆周率pi的一半

[ 1.91963957  1.68501606]
3.141592653589797

4、Matplotlib可视化

import numpy as np
import matplotlib.pyplot as plt #导入Matplotlib

x = np.linspace(0, 10, 1000) #作图的变量自变量
y = np.sin(x) + 1 #因变量y
z = np.cos(x**2) + 1 #因变量z

plt.figure(figsize = (8, 4)) #设置图像大小
plt.plot(x,y,label = \'$\\sin x+1$\', color = \'red\', linewidth = 2) #作图，设置标签、线条颜色、线条大小
plt.plot(x, z, \'b--\', label = \'$\\cos x^2+1$\')  #作图，设置标签、线条类型
plt.xlabel(\'Time(s) \') # x轴名称
plt.ylabel(\'Volt\') # y轴名称
plt.title(\'A Simple Example\') #标题
plt.ylim(0, 2.2) #显示的y轴范围
plt.legend() #显示图例
plt.show() #显示作图结果

5、Pandas数据分析和探索

Pandas基本数据结构是Series和DataFrame

s = pd.Series([1,2,3], index=[\'a\', \'b\', \'c\']) #创建一个序列s
d = pd.DataFrame([[1, 2, 3], [4, 5, 6]], columns = [\'a\', \'b\', \'c\']) #创建一个表
d2 = pd.DataFrame(s) #也可以用已有的序列来创建表格

　　　　　　　　

#读取文件，注意文件的存储路径不能带有中文，否则读取可能出错。
pd.read_excel(\'data.xls\') #读取Excel文件，创建DataFrame。
pd.read_csv(\'data.csv\', encoding = \'utf-8\') #读取文本格式的数据，一般用encoding指定编码。

#d.head() #预览前5行数据
d.describe() #数据基本统计量

　　　　

6、Keras神经网络

构建一个MLP(多层感知器),　　无法运行，需要适配相应的数据

from keras.models import Sequential
from keras.layers.core import Dense,Dropout,Activation
from keras.optimizers import SGD

model=Sequential()                    #模型初始化
model.add(Dense(64,input_dim=20))     #添加输入层（20节点）、第一隐藏层（64节点）的连接
model.add(Activation(\'tanh\'))         #第一隐藏层用tanh作为激活函数
model.add(Dropout(0.5))               #使用Dropout防止过拟合
model.add(Dense(64,input_dim=64, init=\'uniform\'))        #添加第一隐藏层（64节点）、第二隐藏层（64节点）的连接
model.add(Activation(\'tanh\'))         #第二隐藏层用tanh作为激活函数
model.add(Dropout(0.5))
model.add(Dense(1,input_dim=64))      #添加第二隐藏层（64节点）、输出层（1节点）的连接
model.add(Activation(\'sigmoid\'))      #输出层用sigmoid作为激活函数
 
sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)        #定义求解算法
model.compile(loss=\'mean_squared_error\', optimizer=sgd)           #编译生成模型，损失函数为mean_squared_error
 
model.fit(X_train, y_train, nb_epoch=20, batch_size=16)           #训练模型
score=model.evaluate(X_test,y_test,batch_size=16)                 #测试模型