首页 / PYTHON / 数据分析大赛考纲：(二)Python数据分析应会部分

数据分析大赛考纲：(二)Python数据分析应会部分

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了数据分析大赛考纲：(二)Python数据分析应会部分，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5637字，纯文字阅读大概需要9分钟。

内容图文

1.1. Numpy库的使用

1.1.1. Numpy数组的创建

1. 了解Numpy中ndarray数组对象的性质和特点；

1. 掌握通过array()函数创建Numpy数组的方法，会将Python中的列表、元组等序列型数据转化为Numpy数组；

2. 了解通过ones()、ones_like()、zeros()、zeros_like()、eye()、identity()、empty()、empty_like()等方法创建特殊的Numpy数组；

3. 掌握由函数arange()、linspace()等函数创建Numpy数组的方法；

4. 了解利用numpy.random模块中的rand()、randint()、randn()、uniform()等函数创建随机数组的方法.

1.1.2. Numpy数组的常用操作

1. 了解ndarray数组对象的属性：ndim、shape、size、dtype等的含义和用法；

5. 了解Numpy数据的数据类型及其相互转化方法；

6. 掌握利用reshape()、resize()、flatten()、ravel()等函数改变数组形状的方法；

7. 了解通过concatenate()、stack()、hstack()、vstack()等函数连接数组的方法；

8. 了解通过split()、hsplit()、vsplit()等函数分割数组的方法；

9. 掌握通过append()、insert()、delete()等方法进行数组元素的添加与删除.

1.1.3. Numpy数组的索引和切片

1. 了解Numpy数组索引与切片的基本规则；

1. 掌握Numpy数组的整数下标索引与切片方法；

2. 了解Numpy数组的布尔下标索引与切片方法；

3. 了解Numpy数组的花式索引.

1.1.4. Numpy数组的运算

1. 掌握Numpy数组与标量的运算；

2. 了解Numpy中的数学函数fabs()、sqrt()、exp()、sin()、cos()等的用法；

3. 了解Numpy数组数组运算中的广播规则；

4. 了解Numpy中unique()、intersectld()、unionld()、inld()等集合运算函数；

5. 掌握Numpy中sum()、mean()、std()、var()等基本统计函数的用法；

6. 了解Numpy中的sort()排序及where()搜索等函数的使用.

1.1.5. Numpy中的线性代数运算

1. 掌握Numpy中的dot()、vdot()等数组相乘函数；

4. 会利用numpy.linalg模块下的det()函数求矩阵的行列式；

5. 会利用numpy.linalg模块下的inv()函数求矩阵的逆矩阵；

6. 会利用numpy.linalg模块下的solve()函数求解线性方程组；

7. 会利用numpy.linalg模块下的eigvals()及eig()函数求矩阵的特征值与特征向量.

1.2. Matplotlib数据可视化

1.2.1. 线形图

1. 掌握plot()函数绘制线形图的基本方法；

8. 了解matplotlib库的颜色设置方法；

9. 了解matplotlib库的线型设置方法；

10. 了解matplotlib库中点的形状设置方法；

11. 了解matplotlib库中的线宽设置方法.

1.2.2. 其他平面图形

1. 了解利用scatter()函数绘制散点图的方法；

12. 了解利用bar()函数绘制柱状图的方法；

13. 了解利用barh()函数绘制条形图的方法；

14. 了解利用pie()函数绘制饼图的方法；

15. 了解利用hist()函数绘制直方图的方法；

16. 了解利用boxplot()函数绘制箱线图的方法.

1.2.3. Matplotlib的自定义设置

1. 了解利用legend()函数进行图例设置的方法；

17. 了解利用grid()函数对图形设置网格的方法；

18. 掌握利用title()函数为图形设置标题的方法；

19. 掌握利用xlabel()与ylabel()添加x轴、y轴名称的方法；

20. 了解利用xlim()与ylim()函数指定坐标轴范围的方法；

21. 了解利用text()与annotate()函数为图形添加文本注解的方法.

22. 掌握利用subplot()函数创建子图对象的方法；

23. 了解matplotlib中的图形嵌套.

1.2.4. 绘制三维图形

1. 了解利用plot3D()函数绘制三维曲线图的方法；

24. 了解利用scatter()函数绘制三维散点图的方法；

25. 了解利用plot_surface()函数绘制三维曲面图的方法；

26. 了解利用contour()函数绘制等高线图的方法.

1.3. Pandas库的使用

1.3.1. Series数据结构

1. 了解Pandas中Series数据结构的基本特点；

27. 掌握Series的创建方法；

28. 掌握Series数组的索引与切片方法.

1.3.2. DataFrame数据结构

1. 了解Pandas中DataFrame数据结构的基本特点；

2. 掌握DataFrame的创建方法；

3. 掌握DataFrame的索引与切片方法；

4. 掌握DataFrame的head()、tail()函数查看数据的方法；

5. 了解DataFrame数据结构的ndim、shape、size、dtype等属性的含义及使用；

6. 了解del、append()、drop()、reindex()、rename()等DataFrame操作函数的使用.

1.3.3. 利用Pandas读取外部数据

1. 掌握利用read_csv()函数读取csv格式数据；

7. 掌握利用to_csv()函数将DataFrame数据保存到csv文件；

8. 掌握利用read_excel()函数读取excel数据；

9. 掌握利用to_excel()函数将DataFrame数据保存到Excel文件；

10. 了解利用read_sql()函数读取SQL数据库数据的方法；

11. 了解利用to_sql()函数将DataFrame数据保存至SQL数据库的方法.

1.3.4. Pandas数据的运算

1. 掌握Series与DataFrame数据结构基本的算术运算规则；

12. 了解apply()、pipe()、map()、applymap()等函数的作用及其操作；

13. 了解sort_index()函数的按标签排序方法；

14. 了解sort_values()函数的按值排序方法；

15. 了解unique()函数及value_counts()函数的功能及使用.

1.3.5. Pandas统计函数

1. 了解Pandas中的count()、sum()、mean()、median()、mode()、std()、min()、max()、describe()等基本统计函数的使用；

16. 掌握利用cov()函数计算两个Series或DataFrame之间协方差的方法；

17. 掌握利用corr()函数计算两个Series或DataFrame之间相关系数的方法；

18. 了解利用rank()函数对数据进行排序的方法；

19. 了解利用groupby()函数对数据进行分组统计的方法；

20. 了解聚合函数agg()、apply()及Transform()的使用；

21. 了解利用filter()函数过滤数据的方法；

22. 了解利用pivot_table()生成数据透视表的方法；

23. 了解利用crosstab()函数生成物数据交叉表的方法.

24. Python数据预处理

1.3.6. 处理重复值

1. 掌握利用duplicated()函数检测重复值的方法；

25. 掌握利用drop_duplicated()函数去除重复值的方法.

1.3.7. 处理缺失值

1. 掌握利用isnull()或notnull()函数检测缺失值的方法；

26. 掌握利用dropna()函数删除缺失值的方法；

27. 了解利用replace()方法替换缺失值NaN的方法；

28. 了解利用fillna()函数填充缺失值NaN的方法.

1.3.8. 处理异常值

1. 了解利用绘制箱线图或散点图等方法发现异常值的方法；

29. 了解删除、平均值修正等处理异常值的方法.

1.3.9. 数据的合并与变换

1. 了解利用merge()函数合并DataFrame的方法；

30. 了解利用join()函数合并数据的方法；

31. 了解利用concat()函数合并数据的方法；

32. 了解利用get_dummies()函数将类别型变量转换为哑变量的方法；

33. 了解利用cut()函数将连续属性等宽离散化的方法；

34. 了解利用qcut()函数将连续属性等频离散化的方法.

1.3.10. 时间序列数据的处理与变换

1. 了解利用Pandas的Timestamp对象获取当前时间的方法；

35. 了解Timestamp对象下的tz_localize()及tz_convert()进行时间和时区转换的方法；

36. 了解利用Pandas的Period对象获取时间段的方法；

37. 了解Pandas的Timedelta对象表示时间间隔的属性；

38. 了解Pandas中DatetimeIndex对象的shift()、normalize()函数对时间变量的变换和处理.

内容总结

以上是互联网集市为您收集整理的数据分析大赛考纲：(二)Python数据分析应会部分全部内容，希望文章能够帮你解决数据分析大赛考纲：(二)Python数据分析应会部分所遇到的程序开发问题。如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/628400.html

来源：【匿名】

【上一篇】数据分析大赛考纲：(二)Python数据分析应会部分——Numpy库的使用【下一篇】浅谈PHP运行Python脚本的方法

更多 ►

【数据分析大赛考纲：(二)Python数据分析应会部分】教程文章相关的互联网学习教程文章

Python数据分析基础与实践 Python数据分析实践课程 Python视频教程

课程简介: Python数据分析基础与实践 Python数据分析实践课程 Python视频教程----------------------课程目录------------------------------├<章节1Python概况>├<章节2Python安装>├<章节3数据准备>├<章节4数据处理>├<章节5数据可视化>├<章节6网页数据抓取>├<章节7连接MySQL>├<章节8数据分析> 下载地址；百度网盘原文：http://blog.51cto.com/13888927/2150486

利用 Python 进行数据分析（九）pandas 汇总统计和计算【图】

pandas 对象拥有一些常用的数学和统计方法。例如，sum() 方法，进行列小计： sum() 方法传入 axis=1 指定为横向汇总，即行小计： idxmax() 获取最大值对应的索引：还有一种汇总是累计型的，cumsum()，比较它和 sum() 的区别：unique() 方法用于返回数据里的唯一值： value_counts() 方法用于统计各值出现的频率： isin() 方法用于判断成员资格：安装步骤已经在首篇随笔里写过了，这里不在赘述。利用 Python 进行数据分析（一）简...

利用Python进行数据分析-Pandas(第二部分)【代码】

上一个章节中我们主要是介绍了pandas两种数据类型的具体属性，这个章节主要介绍操作Series和DataFrame中的数据的基本手段。重新索引　　pandas对象的一个重要方法是reindex，其作用是创建一个新对象，它的数据符合新的索引：import pandas as pdobj = pd.Series([4.5, 7.2, -5.3, 3.6], index=[‘d‘, ‘b‘, ‘a‘, ‘c‘]) print(obj)d 4.5 b 7.2 a -5.3 c 3.6 dtype: float64 用该Series的reindex将会根据新索引进行...

python多线程爬取世纪佳缘女生资料并简单数据分析【代码】【图】

一. 目标? 作为一只万年单身狗，一直很好奇女生找对象的时候都在想啥呢，这事也不好意思直接问身边的女生，不然别人还以为你要跟她表白啥的，况且工科出身的自己本来接触的女生就少，即使是挨个问遍，样本量也太少，毕竟每个人的标准都会有差异的。这时候想到婚恋网站，上面不就有现成的数据吗，刚好最近也在学习爬虫，如果能用爬虫把数据爬取下来，既练习了爬虫技术，又获得了想要的数据，一举两得。不如说干就干。? 从接触爬虫以...

Python数据分析--Pandas知识点(三)【代码】【图】

本文主要是总结学习pandas过程中用到的函数和方法, 在此记录, 防止遗忘.Python数据分析--Pandas知识点(一)Python数据分析--Pandas知识点(二)下面将是在知识点一, 二的基础上继续总结. 前面所介绍的都是以表格的形式中展现数据, 下面将介绍Pandas与Matplotlib配合绘制出折线图, 散点图, 饼图, 柱形图, 直方图等五大基本图形.Matplotlib是python中的一个2D图形库, 它能以各种硬拷贝的格式和跨平台的交互式环境生成高质量的图形, 比如...

Python数据分析8-----网页文本处理【代码】

1、去除网页的标签，如<br/>from bs4 import BeautifulrSoup preData=BeautifulSoup(data,‘html.parser‘).get_text() 2、将标点符号等去掉，用正则表达式。import re#表示将data中的除了大小写字母之外的符号换成空格 preData=re.sub(r‘[^a-zA-Z]‘,‘‘,data)3、将文本中的单词小写化，并将data用空格分开words=data.lower().split()4、去掉停用词#可以自己下载停用词 #nltk.download() words_notstop=[w for w in words if ...

Python笔记_第五篇_Python数据分析基础教程_文件的读写【代码】

1. 读写文件（基本）　　savetxt、loadtxti2 = np.eye(2) print(i2) np.savetxt(r"C:\Users\Thomas\Desktop\eye.txt",i2)c,v = np.loadtxt(r"C:\Users\Thomas\Desktop\data.csv",delimiter=‘,‘,usecols=(6,7),unpack=True) print(c,v) #[336.1 339.32 345.03 344.32 343.44 346.5 351.88 355.2 358.16 354.54 # 356.85 359.18 359.9 363.13 358.3 350.56 338.61 342.62 342.88 348.16 # 353.21 349.31 352.12 359.56 360. ...

《利用python进行数据分析》读书笔记--第八章绘图和可视化

python有许多可视化工具，本书主要讲解matplotlib。matplotlib是用于创建出版质量图表的桌面绘图包（主要是2D方面）。原文：http://www.cnblogs.com/batteryhp/p/5025772.html

Python 进行 NBA 比赛数据分析【代码】【图】

Basketball Reference.com 数据源地址http://labfile.oss.aliyuncs.com/courses/782/data.zip数据下载地址用到的三张表Team Per Game StatsOpponent Per Game StatsMiscellaneous Stats 整体思路，根据输赢按公式赋分，赢了且是主场加分第一个函数，首先初始化一下数据，去除一些无关数据并将这三个表格通过Team属性列进行连接第二个函数，获取每支队伍的Elo Score等级分，最开始给定一个初始值第三个函数，计算每支球队的Elo等级...

利用Python进行数据分析：【IPython】【代码】【图】

一、IPython基础功能 1、IPython是交互式的Python命令行2、安装与使用1#安装：pip install ipython2#使用：ipython与Python解释器的使用方法一致注：之后想学习机器学习的读者强烈建议安装Anaconda（含有numpy、pandas等等等）二、IPython高级功能 1、基本使用#- TAB键自动完成 #- ?：内省、命名空间搜索 #- !：执行系统命令 #- 丰富的快捷键 2、魔术命令：以%开始的命令# %run：执行文件代码 # %paste：执行剪贴板代码 # %timeit：...

Python数据分析在互联网寒冬下，数据分析师还吃香吗？【图】

伴随着移动互联网的飞速发展，越来越多用户被互联网连接在一起，用户所积累下来的数据越来越多，市场对数据方面人才的需求也越来越大，由此也带火了如数据分析、数据挖掘、算法等职业，而作为其中入门门槛相对较低、工资高于大多传统行业岗位的数据分析一职，则成为了许多想转行进入数据领域的同学的首要选择。那么在现在的互联网寒冬下，数据分析岗位是什么行情呢？不同城市对该岗位的需求又是怎样的？岗位的具体薪资状况咋样？有...

利用python 学习数据分析 (学习一)【代码】【图】

内容学习自:Python for Data Analysis, 2nd Edition 就是这本纯英文学的很累,对不对取决于百度翻译了前情提要:各种方法贴:https://www.cnblogs.com/baili-luoyun/p/10250177.html　　　　本内容主要讲的是　　　　　　数组和矢量的计算　　　　一: 创建数组　　　　　　传入内容(序列化对象),转化成数组　　　　　　　　np.array()　　　　　　1:单维数组 (和列表没什么两样)1单维数组 2# data1 = [6, 7, 8, 9, 10, 1, 2]3...

《利用python进行数据分析》读书笔记--第十章时间序列（二）【代码】

5、时期及其算数运算时期（period）表示的是时间区间，比如数日、数月、数季、数年等。Period类所表示的就是这种数据类型，其构造函数需要用到一个字符串或整数，以及频率。#-*- coding:utf-8 -*-import numpy as np import pandas as pd import matplotlib.pyplot as plt import datetime as dt from pandas import Series,DataFrame from datetime import datetime from dateutil.parser import parse import time from pandas.t...

用Python进行数据分析-1【代码】【图】

第一章准备工作1.3 重要的python数据库Numpy：是python科学计算的基础包，本书大部分内容都基于numpy以及构建于其上的库功能如下：-快速高效的多维数组对象ndarray。 -用于对数组执行元素级计算以及直接对数组执行数学运算的函数 -用于读写硬盘上基于数组的数据集的工具 -线性代数运算、傅立叶变换、以及随机数的生成 -成熟的c API，用于python插件和原生的c c++ fortran代码访问numpy的数据结构和计算工具pandas：提供了快速便捷...

Python - pandas 数据分析【代码】

pandas: powerful Python data analysis toolkit官方文档： http://pandas.pydata.org/pandas-docs/stable/ 1. 导入包pandasimport pandas as pd 2. 获取文件夹下文件名称import os filenames=[]path="C:/Users/Forrest/PycharmProjects/test" for file in os.listdir(path):filenames.append(file) 3. 读前几行文件(.csv文件)# -*- coding: utf-8 -*- ##读前几行文件 f= open("C:/Users/Forrest/PycharmProjects/test/train.csv")...