python数据分析系列(1)

　　python数据分析主要处理的是结构化数据（structured data）例如：

• 表格型数据，其中各列可能是不同的类型（字符串、数值、日期等）。比如保存在关系型数据库中或以制表符/逗号为分隔符的文本文件中的那些数据。
• 多维数组（矩阵）。
• 通过关键列（对于SQL用户而言，就是主键和外键）相互联系的多个表。
• 间隔平均或不平均的时间序列。

python语言基础

Ipython的一些特性

1. 自省： 在变量、对象或者函数之后使用问号 ？ ，可以很方便的显示对象信息，使用？？可以显示函数的源码例如：?还有一个用途，就是像Unix或Windows命令行一样搜索IPython的命名空间。字符与通配符结合可以匹配所有的名字

2. %run 命令： 你可以使用%run 命令 运行所有的Python程序，例如有一个文件 text.py 可以通过%run text.py来运行这个文件 可以在该命令行后面添加命令行参数（可在ays.argv访问）另外可以使用%load 将脚本导入到代码格中%paste %cpaste 可以执行剪切板中的代码 %cpaste会给出提示

3. 键盘快捷键：

4. 魔术命令：

Python语法基础

​ Python使用空白字符（tab和空格）来组织代码，而不是像其它语言，比如R、C++、JAVA和Perl那样使用括号。看一个排序算法的for循环

for x in array:
    if x < pivot:
        less.append(x)
    else:
        greater.append(x)

冒号标志着缩进代码块的开始，冒号之后的所有代码的缩进量必须相同，直到代码块结束。分号；却可以用来给同在一行的语句切分：a = 5; b = 6; c = 7

• 万物皆对象： Python语言的一个重要特性就是它的对象模型的一致性。每个数字、字符串、数据结构、函数、类、模块等等，都是在Python解释器的自有“盒子”内，它被认为是Python对象。每个对象都有类型（例如，字符串或函数）和内部数据。并且每个对象都有自己的方法可以通过.来访问。

• 注释： 可以通过#来为代码添加注释

• 函数和对象方法的调用： 用圆括号调用函数，传递零个或几个参数，或者将返回值给一个变量通过"."来访问方法：

  result = f(x, y, z)
  result = f(a, b, c, d=5, e='foo')
  g()
  obj.some_method(x, y, z)

• 引用与复制： 当在Python中创建变量（或名字），你就在等号右边创建了一个对这个变量的引用。考虑一个整数列表a并将a赋值给一个新变量b：

  a = [1, 2, 3]
  b = a
  id(a)==id(b)

  结果为true 证明其实a和b其实是一个对象 这说明Python其实是允许多个变量名绑定到一个对象的

  当你将对象作为参数传递给一个函数时，在函数内使用新的局域变量创建了对原始对象的引用，而不是复制(传值还是传引用这取决于传入的参数是可变对象还是不可变对象)。如果在函数里绑定一个新对象到一个变量，这个变量的变动会反映到上一层。因此可以改变可变参数的内容。假设有以下函数：

  def append_element(some_list, element):
      some_list.append(element)
  data = [1,2,3]
  append_element(data,4)
  data
  out: [1, 2, 3 ,4]

• 鸭子类型： 经常地，你可能不关心对象的类型，只关心对象是否有某些方法或用途。这通常被称为“鸭子类型”，来自“走起来像鸭子、叫起来像鸭子，那么它就是鸭子”的说法。例如，你可以通过验证一个对象是否遵循迭代协议，判断它是可迭代的。对于许多对象，这意味着它有一个__iter__魔术方法，其它更好的判断方法是使用iter函数：

  def isiterable(obj):
      try:
          iter(obj)
          return True
      except TypeError: # not iterable
          return False

• 字符的输入： Python使用input来获取输入用户的输入信息被看做一个字符串例如：

  a = input("please enter a number")

  输入3 那么a的类型是str

• 引入： 在Python中，模块就是一个有.py扩展名、包含Python代码的文件。假设有以下模块：

  # some_module.py
  PI = 3.14159
  
  def f(x):
      return x + 2
  
  def g(a, b):
      return a + b

  如果想从同目录下的另一个文件访问some_module.py中定义的变量和函数，可以：

  import some_module
  result = some_module.f(5)
  pi = some_module.PI

  或者：

  from some_module import f, g, PI
  result = g(5, PI)

  使用as关键词，你可以给引入起不同的变量名：

  import some_module as sm
  from some_module import PI as pi, g as gf
  
  r1 = sm.f(pi)
  r2 = gf(6, pi)

• 二元运算符：

  .

tips：list会创建一个新的Python列表是复制

• 三元表达式： Python中的三元表达式可以将if-else语句放到一行里。语法如下：

  value = true-expr if condition else false-expr

• 标量类型：

tips:可以在字符串前面加一个r，表明字符就是它自身

​ 字符串对象有format方法可以替换格式化的参数为字符串，产生一个新的字符串：

template = '{0:.2f} {1:s} are worth US${2:d}'

• {0:.2f}`表示格式化第一个参数为带有两位小数的浮点数。
• {1:s}表示格式化第二个参数为字符串。
• {2:d}表示格式化第三个参数为一个整数。

template.format(4.5560, 'Argentine Pesos', 1)
>>>'4.56 Argentine Pesos are worth US$1'

使用str.encode('utf-8')可以将字符串编码为utf-8

• 日期和时间类型：

  Python内建的datetime模块提供了datetime、date和time类型。datetime类型结合了date和time，是最常使用的：

In [1]: from datetime import datetime, date, time

In [2]: dt = datetime(2011, 10, 29, 20, 30, 21)

In [3]: dt.day
Out[4]: 29

In [5]: dt.minute
Out[6]: 30

strftime方法可以将datetime格式化为字符串：

In [108]: dt.strftime('%m/%d/%Y %H:%M')
Out[108]: '10/29/2011 20:30'

当你聚类或对时间序列进行分组，替换datetimes的time字段有时会很有用。例如，用0替换分和秒：

In [110]: dt.replace(minute=0, second=0)
Out[110]: datetime.datetime(2011, 10, 29, 20, 0)

因为datetime.datetime是不可变类型，上面的方法会产生新的对象。

两个datetime对象的差会产生一个datetime.timedelta类型：

Python控制流

if后面可以跟一个或多个elif，所有条件都是False时，还可以添加一个else

可以用continue使for循环提前继续执行，可以用break跳出for循环break只中断for循环的最内层。

pass是Python中的非操作语句。代码块不需要任何动作时可以使用（作为未执行代码的占位符）；因为Python需要使用空白字符划定代码块，所以需要pass

range函数返回一个迭代器，它产生一个均匀分布的整数序列：

In [123]: list(range(10))
Out[123]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

assert

lambda表达式

Python支持一种被称为匿名的、或lambda函数。它仅由单条语句组成，该语句的结果就是返回值。它是通过lambda关键字定义的，这个关键字没有别的含义，仅仅是说“我们正在声明的是一个匿名函数”。

def short_function(x):
    return x * 2

equiv_anon = lambda x: x * 2

Python的数据结构

元组

元组是一个固定长度，不可改变的Python序列对象。创建元组的最简单方式，是用逗号分隔一列值或者将值放在圆括号内，元组中存储的对象可能是可变对象。一旦创建了元组，元组中的对象就不能修改了：

In [1]: tup = 4, 5, 6

In [2]: tup
Out[2]: (4, 5, 6)
    In [3]: nested_tup = (4, 5, 6), (7, 8)

In [4]: nested_tup
Out[4]: ((4, 5, 6), (7, 8))

用tuple可以将任意序列或迭代器转换成元组

可以用方括号访问元组中的元素下表从0开始

In [8]: tup[0]
Out[8]: 's'

如果元组中的某个对象是可变的，比如列表，可以在原位进行修改：

In [11]: tup[1].append(3)

In [12]: tup
Out[12]: ('foo', [1, 2, 3], True)

列表

列表是可变对象、内容可以被修改。可以用方括号定义，或用list函数，可以用append在列表末尾添加元素insert可以在特定的位置插入元素,insert的逆运算是pop,remove去除某个值,in可以检查列表是否包含某个值,用extend方法可以追加多个元素：

用切边可以选取大多数序列类型的一部分，切片的基本形式是在方括号中使用start:stop

注意左闭右开

字典

字典可能是Python最为重要的数据结构。它更为常见的名字是哈希映射或关联数组。它是键值对的大小可变集合，键和值都是Python对象。创建字典的方法之一是使用尖括号，用冒号分隔键和值{key:value}注意其中的key必须是可哈希性的

集合

集合可以使用set来定义集合的操作如下表

列表、集合、字典推导式