Python 初步了解科学计算和数据分析

谁践踏了优雅 2023-06-29 10:43 149阅读 0赞

*  推荐自己的专栏：[分享一些Python案例，将所学用出来][Python]
 *  **随着Python语言生态环境的完善，众多科学计算和数据分析库（例如NumPy、SciPy、Pandas、Matplotlib、IPython等），使得Python成为科学计算和数据分析的首选语言**

# Python科学计算和数据分析库简介 #

--------------------

科学计算和数据分析库：

*  **NumPy**  
    NumPy是Python数据处理的底层库，是高性能科学计算和数据分析的基础，许多其它科学计算库都基于NumPy库
 *  **SciPy**  
    SciPy是Python解决科学计算中常见问题的工具集团，其不同子模块对应于不同的应用，包括：线性代数、插值、积分、最优化、图像处理、统计等等
 *  **Pandas**  
    Pandas是Python的高级数据分析工具库
 *  **Matplotlib**  
    Matplotlib是Python最流行的绘图程序库。Seaborn和Prettyplotlib是在Matplotlib的基础上改进功能的绘图程序库
 *  **SciKit**  
    SciKit程序库为SciPy、NumPy和Python提供了专业化的扩展。例如，scikit-learn是用于机器学习和数据挖掘的库
 *  **IPython**  
    IPython是基于Python Shell的交互式解释器，功能更加强大，被广泛应用于交互式科学计算

# 使用IPython Notebook进行科学计算 #

--------------------

**第一种安装方法：**如果你安装了Python面向科学计算的环境Anaconda。安装Anaconda时会安装Jupyter Notebook (以前的版本也叫IPython Notebook)。

**第二种安装方法：****在控制台cmd中输入以下命令（使用pip命令安装）**

**先更新pip包**

python -m pip install -U pip

**然后安装jupyter（即IPython Notebook）**

python -m pip install jupyter

**如果在安装时出现这个问题：pip.\_vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host=‘files.pythonhosted.org’, port=443): Read timed out.**

在cmd中输入以下命令，将超时限制修改一下

pip --default-timeout=100 install -U jupyter

Jupyter Notebook是一种交互式的数据分析与记录工具，它既是一个交互计算平台，又是一个记录计算过程的“笔记本”，它是数据分析、科学计算以及交互计算的“利器

**Jupyter Notebook 由服务端和客户端两部分组成**。服务端可以运行在本机，也可以运行在远程服务器上，它主要包含负责运算的iPython kernel， 以及一个HTTP/HTTPS服务器(Tornado) ，主要负责代码的解释和计算；而客户端是浏览器，主要负责与用户进行交互，接受用户的输入，以及渲染输出。

**Jupyter Notebook的使用示例**

**一：运行Jupyter Notebook**

windows + R  
![2020011212355285.png][]

输入 cmd ，点击确定  
![20200112123734707.png][]

在cmd中输入 jupyter notebook  
![2020011212391362.png][]

在浏览器中会出现如下界面：  
![20200112124651831.png][]

Jupyter Notebook的特点是支持可重复性的互动计算，即可以重复更改并且执行曾经的输入记录。它可以记录演算过程，并保存成其他很多格式，例如Python脚本、HTML、PDF等。很多课程、数据和博客是用Notebook写作的。

**二：新建Notebook文件**

打开Notebook，可以看到主面板。在菜单栏中有Files、Running、Clusters三个选项，用到最多的是Files  
![2020011215513314.png][]  
单击如图的“New”下拉菜单，选择Python 3，新建一个名为Untitled的Notebook  
![20200112160526649.png][]

**JupyterNotebook使用浏览器作为界面，向后台的IPython服务器发送请求，并显示结果**。在浏览器的界面中使用单元格(Cell) 输入保存各种信息。

Cell主要有两种类型:

*  **Code**(输入、编辑和执行Python代码)
 *  **MarkDown** (输入、编辑和显示Markdown格式的文本)

**三：输入markdown文本**

在第一个单元格输入框中，输入“点赞、收藏、关注”，并设置单元格的类型为markdown  
![20200112160900697.png][]

**四：输入并执行Python代码**

输入快捷键B也可以在下方插入一个单元格  
![20200112161502504.png][]  
输入代码，并执行（按快捷键 Ctrl+Enter，或者点击运行按钮）  
![20200112162803657.png][]

# Python在线性代数中的应用 #

--------------------

**线性代数(linear algebra)**是数学的一个分支，主要研究矩阵理论、向量空间、线性变换和有限维线性方程组等内容。使用Python的科学计算库**NumPy**和**SciPy**，可以进行线性代数的学习和研究。

**一：创建向量和矩阵（数组）**

通常使用**NumPy的array函数**可以创建向量和矩阵(数组)

*  一维数组表示向量
 *  二维数组表示矩阵
 *  也可以使用函数`zeros`、 `zeros_like`、 `ones`、`ones_like`、`empty`、 `empty_like`、`arange`、 `linspace`、 `numpy. random.rand`、`numpy.random.randn`、`fromfunction`、`fromfile`等函数创建特殊数组。  
    ![20200112171104394.png][]

**二：矩阵的运算**

使用NumPy包，矩阵的加法和减法可以直接使用运算符+和一，乘法则使用函数dot

![20200112172452887.png][]

**三：线性方程组的求解**

已知线性方程组AX=b，则X=A\-1b。 例如：

*  x + 3y + 5z = 10
 *  2x + 5y + z = 8
 *  2x + 3y + 8z = 3

则：  
![20200112175318803.png][]

![20200112175710602.png][]

[Python]: https://blog.csdn.net/zhangguohao666/category_9939572.html
[2020011212355285.png]: https://img-blog.csdnimg.cn/2020011212355285.png
[20200112123734707.png]: https://img-blog.csdnimg.cn/20200112123734707.png
[2020011212391362.png]: https://img-blog.csdnimg.cn/2020011212391362.png
[20200112124651831.png]: https://img-blog.csdnimg.cn/20200112124651831.png
[2020011215513314.png]: https://img-blog.csdnimg.cn/2020011215513314.png
[20200112160526649.png]: https://img-blog.csdnimg.cn/20200112160526649.png
[20200112160900697.png]: https://img-blog.csdnimg.cn/20200112160900697.png
[20200112161502504.png]: https://img-blog.csdnimg.cn/20200112161502504.png
[20200112162803657.png]: https://img-blog.csdnimg.cn/20200112162803657.png
[20200112171104394.png]: https://img-blog.csdnimg.cn/20200112171104394.png
[20200112172452887.png]: https://img-blog.csdnimg.cn/20200112172452887.png
[20200112175318803.png]: https://img-blog.csdnimg.cn/20200112175318803.png
[20200112175710602.png]: https://img-blog.csdnimg.cn/20200112175710602.png