数据挖掘常用资源及工具

资源Github , kaggle
Pyth on 工具库:Numpy , Pan das, Matplotlib , Scikit-Lear n , ten sorflow Numpy支持大量维度数组与矩阵运算，也针对数组提供大量的数学函数库
Numpy :
1. aaa = Numpy.genfromtxt( “文件路径” ‘delimiter =
“, ” ,dtyped=eSrbn)ter 以
指定字符分割，dtype指定类型该函数能读取文件所以内容
aaa.dtype 返回aaa的类型
2. aaa = nu mpy.array([5,6,7,8]) 创建一个一维数组里面的东西都是同一个类型的
bbb = nu mpy.array([[1,2,3,4,5],[6,7,8,9,0],[11,22,33,44,55]]) 创建一个二维数组aaa.shape返回数组的维度print(bbb[:,2]) 输出第二列
3. bbb = aaa.astype(i nt) 类型转换
4. aaa.mi n() 返回最小值
5. 常见函数
aaa = nu mpy.ara nge(20) bbb = aaa.reshape(4,5) numpy.arange(20) 生成0 到
19 aaa.reshape(4,5) 把数组转换成矩阵
aaa.reshape(4,-1)自动计算列用-1
aaa.ravel()ffi矩阵转化成数组
bbb.ndim 返回bbb 的维度
bbb.size 返回里面有多少元素
aaa = numpy.zeros((5,5)) 初始化一个全为0 的矩阵需要传进一个元组的格式默认是float aaa = numpy.ones((3,3,3),dtype = numpy.int) 需要指定dtype 为numpy.int aaa = np
随机函数aaa = numpy.random.random((3,3)) 生成三行三列
linspace等差数列创建函数linspace(起始值，终止值，数量)
矩阵乘法：
aaa = numpy.array([[1,2],[3,4]])
bbb = numpy.array([[5,6],[7,8]])
print(aaa*bbb) *是对应位置相乘
print(aaa.dot(bbb)) .dot 是矩阵乘法行乘以列
print(numpy.dot(aaa,bbb)) 同上
6. 矩阵常见操作
numpy.floor() 向下取整
aaa.T 求aaa 的转置
aaa.space = (行，列)
矩阵拼接numpy.hstack((a,b)) 横拼numpy.vstack((a,b)) 竖拼
矩阵切分numpy.hsplit((a,3))
a.view()浅复制位置不同但值共用
a.copy()深复制位置不同值不共用
a = numpy.arange(0,40,10)
print(numpy.tile(a,(2,2))) 按倍数扩展行和列
numpy.sort(a,axis = 1)对a 进行排序
j = numpy.argsort(a) 返回从小到大的索引值
pandas
1.pandas 数据读取object 就是string 类型
aaa = pandas.read_csv( “food」nfo.csv 读取文件aaa 的类型为dataframe aaa.dtypes返回aaa包含的数据结构
aaa.head(3)输出前3行以表格的形式默认输出5行
aaa.tail(4)输出后4行print (aaa.columns)输出第一行所以类型项(列
名）aaa.shape 输出维度
2.pandas 索引与计算
aaa.loc[0]取行读取第一条数据aaa.loc[0:10]可以用切片
aaa[ “列名”]取列aaa.endswith （“指定字符”）以指定字符结尾返回true
曲线图绘制
import pandas as pd
import matplotlib.pyplot as plt 导入matplotlib
#plt.plot()
#plt.show()
aaa = pd.read_csv('AA00001.csv') 读数据
#print(aaa.head(10)) 读前10 输出
first_twelve = aaa[111:121]
plt.plot(first_twelve["direction_angle"],first_twelve["lat"]) 绘制一个曲线图
ax.bar（位置，）
plt.xticks(rotation =
调节x 轴字体的角度
90)
plt.ylabel("lat")
y 轴的标题
a1.legend(loc='best') 生成对线条的解释区域 plt.show()
子图操作
fig = plt.figure() 指定一个绘制的区间
fig = plt.figure(figsize = (12,12)) figsize 指定区间的长和宽 a1 = fig.add_subplot(2,2,1) 控制分布区间位置
a2 = fig.add_subplot(2,2,2)
a3 = fig.add_subplot(2,2,3)
a4 = fig.add_subplot(2,2,4)
plt.show()
a1.plot(np.random.randint(1,5,5),np.arange(5),label="a") a1.plot(np.random.randint(1,5,5),np.arange(5),label="b") a1.plot(np.random.randint(1,5,5),np.arange(5),label="c") a1.plot(np.random.randint(1,5,5),np.arange(5),label="d") seaborm 在 matplotlib 的基础上 对图优化
plt.title("AA00001") 标题
显示图片
五种风格：
darlgrid whitegrid dark white
ticks import seaborm as sns
sns.set_style（“whitegrid 设”置）可选风格。