Pythonデータ分析のnumpyの使用

自分の小さな目標を達成した後、データマイニングとデータ分析の方向に進みたいと思っています.これからは学習ノートを次々と完成し、後日の回顧を便利にします.前のブログでnumpyの使用について書きました.https://blog.csdn.net/totoro1745/article/details/79243465あ、ここでは関連の補足を行います~
データ解析
データ分析はデータから有効な情報を抽出することに力を入れ、統計学、機械学習、信号処理、自然言語処理などの分野の知識を用いて、データに対して研究、概括、総括を行う.
pythonデータ分析大家族
1.numpy:データ構造の基礎2.scipy:強力な科学計算方法(マトリクス分析、信号分析、数理分析)3.matplotlib:豊富な可視化プラグイン4.pandas:基礎データ分析キット5.scikit-learn:強力なデータ分析モデリングライブラリ6.keras:人工ニューラルネットワーク
numpy学習コード

# coding=utf-8
"""
created on:2018/4/22
author:DilicelSten
target:Learn numpy
"""
import numpy as np


# ------------------------ndarray---------------------------------
lst = [[1, 2, 3], [4, 5, 6]]
print type(lst)

#    ndarray
np_lst = np.array(lst)
print type(np_lst)

#     
np_lst = np.array(lst, dtype=np.float)

print np_lst.shape
print np_lst.ndim  #   
print np_lst.dtype  #   
print np_lst.itemsize  #      
print np_lst.size  #   

# ---------------------------some kinds of array-------------------
#       
print np.zeros([2, 4])  #  0
print np.ones([3, 5])   #  1

#      
print np.random.rand(2, 4)
print np.random.rand()
#     
print np.random.randint(1, 10, 3)
#       
print np.random.randn(2, 4)
#      
print np.random.choice([1, 2, 3, 4, 6, 7, 8, 9])

#       1-10 100 
print np.random.beta(1, 10, 100)  #   random      

# -------------------operations---------------------------------

#       
lst = np.arange(1, 11).reshape([2, 5])  # 2 5 ，5     -1
#     
print np.exp(lst)
#      
print np.exp2(lst)
#   
print np.sqrt(lst)
#     
print np.sin(lst)
#   
print np.log(lst)
#   
lst = np.array([[1, 2, 3], [4, 5, 6]])
print lst.sum(axis=0)  # axis    
#     
print lst.max(axis=1)
print lst.min(axis=0)
#   /  ——>         
print lst.ravel()  #           
print lst.flatten()  #          

#      
lst1 = np.array([10, 20, 30, 40])
lst2 = np.array([1, 2, 3, 4])
# +-*/
print lst1+lst2
#   
print lst1**2
#   
print np.dot(lst1.reshape([2, 2]), lst2.reshape([2, 2]))
#   
print np.concatenate((lst1, lst2), axis=1)  # 0     1    

#   
print np.vstack((lst1, lst2))  #     
print np.hstack((lst1, lst2))  #     

#   
print np.split(lst1, 2)  #     
#   
print np.copy(lst1)

# ------------------------linear algebra-----------------------
#     
from numpy.linalg import *

#       
print np.eye(3)
lst = np.array([[1, 2], [3, 4]])
#      
print inv(lst)
#     T
print lst.transpose()
#    
print det(lst)
#         
print eig(lst)
#        
a = np.array([[1, 2, 1], [2, -1, 3], [3, 1, 2]])
b = np.array([7, 7, 18])
x = solve(a, b)
print x

# ------------------------------other-------------------------------
#      
print np.corrcoef([1, 0, 1], [0, 2, 1])
#     
print np.poly1d([2, 1, 3])