1、python中Row binary I/O通常提供對(duì)底層操作系統(tǒng)設(shè)備或者API的低級(jí)訪問；
創(chuàng)新互聯(lián)是一家專業(yè)提供西工企業(yè)網(wǎng)站建設(shè),專注與成都網(wǎng)站制作、成都做網(wǎng)站、外貿(mào)營銷網(wǎng)站建設(shè)、H5高端網(wǎng)站建設(shè)、小程序制作等業(yè)務(wù)。10年已為西工眾多企業(yè)、政府機(jī)構(gòu)等服務(wù)。創(chuàng)新互聯(lián)專業(yè)網(wǎng)絡(luò)公司優(yōu)惠進(jìn)行中。
2、Python是一種跨平臺(tái)的計(jì)算機(jī)程序設(shè)計(jì)語言，是一種面向?qū)ο蟮膭?dòng)態(tài)類型語言；
3、Python最初被設(shè)計(jì)用于編寫自動(dòng)化腳本，隨著版本的不斷更新和語言新功能的添加，越多被用于獨(dú)立的、大型項(xiàng)目的開發(fā)。
擴(kuò)展資料：
在開始之前，計(jì)算機(jī)將需要Python，但可能不需要下載。首先檢查有沒有安裝Python。看到了一個(gè)Python解釋器的響應(yīng)，那么就能在顯示窗口中得到一個(gè)版本號(hào)，通常的版本都可以做到Python的向前兼容。
Python的設(shè)計(jì)目標(biāo)之一是讓代碼具備高度的可閱讀性。其設(shè)計(jì)時(shí)盡量使用其它語言經(jīng)常使用的標(biāo)點(diǎn)符號(hào)和英文單字，讓代碼看起來整潔美觀。不像其他的靜態(tài)語言如C、Pascal那樣需要重復(fù)書寫聲明語句，也不像它們的語法那樣經(jīng)常有特殊情況和意外。
參考資料來源：百度百科-Python
最近，Analysis with Programming加入了Planet Python。我這里來分享一下如何通過Python來開始數(shù)據(jù)分析。具體內(nèi)容如下：
數(shù)據(jù)導(dǎo)入
導(dǎo)入本地的或者web端的CSV文件；
數(shù)據(jù)變換；
數(shù)據(jù)統(tǒng)計(jì)描述；
假設(shè)檢驗(yàn)
單樣本t檢驗(yàn)；
可視化；
創(chuàng)建自定義函數(shù)。
數(shù)據(jù)導(dǎo)入
1
這是很關(guān)鍵的一步，為了后續(xù)的分析我們首先需要導(dǎo)入數(shù)據(jù)。通常來說，數(shù)據(jù)是CSV格式，就算不是，至少也可以轉(zhuǎn)換成CSV格式。在Python中，我們的操作如下：
import pandas as pd
# Reading data locally
df = pd.read_csv('/Users/al-ahmadgaidasaad/Documents/d.csv')
# Reading data from web
data_url = ""
df = pd.read_csv(data_url)
為了讀取本地CSV文件，我們需要pandas這個(gè)數(shù)據(jù)分析庫中的相應(yīng)模塊。其中的read_csv函數(shù)能夠讀取本地和web數(shù)據(jù)。
END
數(shù)據(jù)變換
1
既然在工作空間有了數(shù)據(jù)，接下來就是數(shù)據(jù)變換。統(tǒng)計(jì)學(xué)家和科學(xué)家們通常會(huì)在這一步移除分析中的非必要數(shù)據(jù)。我們先看看數(shù)據(jù)（下圖）
對(duì)R語言程序員來說，上述操作等價(jià)于通過print(head(df))來打印數(shù)據(jù)的前6行，以及通過print(tail(df))來打印數(shù)據(jù)的后6行。當(dāng)然Python中，默認(rèn)打印是5行，而R則是6行。因此R的代碼head(df, n = 10)，在Python中就是df.head(n = 10)，打印數(shù)據(jù)尾部也是同樣道理
請(qǐng)點(diǎn)擊輸入圖片描述
2
在R語言中，數(shù)據(jù)列和行的名字通過colnames和rownames來分別進(jìn)行提取。在Python中，我們則使用columns和index屬性來提取，如下：
# Extracting column names
print df.columns
# OUTPUT
Index([u'Abra', u'Apayao', u'Benguet', u'Ifugao', u'Kalinga'], dtype='object')
# Extracting row names or the index
print df.index
# OUTPUT
Int64Index([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78], dtype='int64')
3
數(shù)據(jù)轉(zhuǎn)置使用T方法，
# Transpose data
print df.T
# OUTPUT
0 ? ? ?1 ? ? 2 ? ? ?3 ? ? 4 ? ? ?5 ? ? 6 ? ? ?7 ? ? 8 ? ? ?9
Abra ? ? ?1243 ? 4158 ?1787 ?17152 ?1266 ? 5576 ? 927 ?21540 ?1039 ? 5424
Apayao ? ?2934 ? 9235 ?1922 ?14501 ?2385 ? 7452 ?1099 ?17038 ?1382 ?10588
Benguet ? ?148 ? 4287 ?1955 ? 3536 ?2530 ? ?771 ?2796 ? 2463 ?2592 ? 1064
Ifugao ? ?3300 ? 8063 ?1074 ?19607 ?3315 ?13134 ?5134 ?14226 ?6842 ?13828
Kalinga ?10553 ?35257 ?4544 ?31687 ?8520 ?28252 ?3106 ?36238 ?4973 ?40140
... ? ? ? 69 ? ? 70 ? ? 71 ? ? 72 ? ? 73 ? ? 74 ? ? 75 ? ? 76 ? ? 77
Abra ? ? ... ? ?12763 ? 2470 ?59094 ? 6209 ?13316 ? 2505 ?60303 ? 6311 ?13345
Apayao ? ... ? ?37625 ?19532 ?35126 ? 6335 ?38613 ?20878 ?40065 ? 6756 ?38902
Benguet ?... ? ? 2354 ? 4045 ? 5987 ? 3530 ? 2585 ? 3519 ? 7062 ? 3561 ? 2583
Ifugao ? ... ? ? 9838 ?17125 ?18940 ?15560 ? 7746 ?19737 ?19422 ?15910 ?11096
Kalinga ?... ? ?65782 ?15279 ?52437 ?24385 ?66148 ?16513 ?61808 ?23349 ?68663
78
Abra ? ? ?2623
Apayao ? 18264
Benguet ? 3745
Ifugao ? 16787
Kalinga ?16900
Other transformations such as sort can be done using codesort/code attribute. Now let's extract a specific column. In Python, we do it using either codeiloc/code or codeix/code attributes, but codeix/code is more robust and thus I prefer it. Assuming we want the head of the first column of the data, we have
4
其他變換，例如排序就是用sort屬性。現(xiàn)在我們提取特定的某列數(shù)據(jù)。Python中，可以使用iloc或者ix屬性。但是我更喜歡用ix，因?yàn)樗€(wěn)定一些。假設(shè)我們需數(shù)據(jù)第一列的前5行，我們有：
print df.ix[:, 0].head()
# OUTPUT 0 ? ? 1243 1 ? ? 4158 2 ? ? 1787 3 ? ?17152 4 ? ? 1266 Name: Abra, dtype: int64
5
順便提一下，Python的索引是從0開始而非1。為了取出從11到20行的前3列數(shù)據(jù)，我們有
print df.ix[10:20, 0:3]
# OUTPUT
Abra ?Apayao ?Benguet
10 ? ?981 ? ?1311 ? ? 2560
11 ?27366 ? 15093 ? ? 3039
12 ? 1100 ? ?1701 ? ? 2382
13 ? 7212 ? 11001 ? ? 1088
14 ? 1048 ? ?1427 ? ? 2847
15 ?25679 ? 15661 ? ? 2942
16 ? 1055 ? ?2191 ? ? 2119
17 ? 5437 ? ?6461 ? ? ?734
18 ? 1029 ? ?1183 ? ? 2302
19 ?23710 ? 12222 ? ? 2598
20 ? 1091 ? ?2343 ? ? 2654
上述命令相當(dāng)于df.ix[10:20, ['Abra', 'Apayao', 'Benguet']]。
6
為了舍棄數(shù)據(jù)中的列，這里是列1(Apayao)和列2(Benguet)，我們使用drop屬性，如下：
print df.drop(df.columns[[1, 2]], axis = 1).head()
# OUTPUT
Abra ?Ifugao ?Kalinga
0 ? 1243 ? ?3300 ? ?10553
1 ? 4158 ? ?8063 ? ?35257
2 ? 1787 ? ?1074 ? ? 4544
3 ?17152 ? 19607 ? ?31687
4 ? 1266 ? ?3315 ? ? 8520
axis?參數(shù)告訴函數(shù)到底舍棄列還是行。如果axis等于0，那么就舍棄行。
END
統(tǒng)計(jì)描述
1
下一步就是通過describe屬性，對(duì)數(shù)據(jù)的統(tǒng)計(jì)特性進(jìn)行描述：
print df.describe()
# OUTPUT
Abra ? ? ? ?Apayao ? ? ?Benguet ? ? ? ?Ifugao ? ? ? Kalinga
count ? ? 79.000000 ? ? 79.000000 ? ?79.000000 ? ? 79.000000 ? ? 79.000000
mean ? 12874.379747 ?16860.645570 ?3237.392405 ?12414.620253 ?30446.417722
std ? ?16746.466945 ?15448.153794 ?1588.536429 ? 5034.282019 ?22245.707692
min ? ? ?927.000000 ? ?401.000000 ? 148.000000 ? 1074.000000 ? 2346.000000
25% ? ? 1524.000000 ? 3435.500000 ?2328.000000 ? 8205.000000 ? 8601.500000
50% ? ? 5790.000000 ?10588.000000 ?3202.000000 ?13044.000000 ?24494.000000
75% ? ?13330.500000 ?33289.000000 ?3918.500000 ?16099.500000 ?52510.500000
max ? ?60303.000000 ?54625.000000 ?8813.000000 ?21031.000000 ?68663.000000
END
假設(shè)檢驗(yàn)
1
Python有一個(gè)很好的統(tǒng)計(jì)推斷包。那就是scipy里面的stats。ttest_1samp實(shí)現(xiàn)了單樣本t檢驗(yàn)。因此，如果我們想檢驗(yàn)數(shù)據(jù)Abra列的稻谷產(chǎn)量均值，通過零假設(shè)，這里我們假定總體稻谷產(chǎn)量均值為15000，我們有：
from scipy import stats as ss
# Perform one sample t-test using 1500 as the true mean
print ss.ttest_1samp(a = df.ix[:, 'Abra'], popmean = 15000)
# OUTPUT
(-1.1281738488299586, 0.26270472069109496)
返回下述值組成的元祖：
t : 浮點(diǎn)或數(shù)組類型t統(tǒng)計(jì)量
prob : 浮點(diǎn)或數(shù)組類型two-tailed p-value 雙側(cè)概率值
2
通過上面的輸出，看到p值是0.267遠(yuǎn)大于α等于0.05，因此沒有充分的證據(jù)說平均稻谷產(chǎn)量不是150000。將這個(gè)檢驗(yàn)應(yīng)用到所有的變量，同樣假設(shè)均值為15000，我們有：
print ss.ttest_1samp(a = df, popmean = 15000)
# OUTPUT
(array([ -1.12817385, ? 1.07053437, -65.81425599, ?-4.564575 ?, ? 6.17156198]),
array([ ?2.62704721e-01, ? 2.87680340e-01, ? 4.15643528e-70,
1.83764399e-05, ? 2.82461897e-08]))
第一個(gè)數(shù)組是t統(tǒng)計(jì)量，第二個(gè)數(shù)組則是相應(yīng)的p值
END
可視化
1
Python中有許多可視化模塊，最流行的當(dāng)屬matpalotlib庫。稍加提及，我們也可選擇bokeh和seaborn模塊。之前的博文中，我已經(jīng)說明了matplotlib庫中的盒須圖模塊功能。
請(qǐng)點(diǎn)擊輸入圖片描述
2
# Import the module for plotting
import matplotlib.pyplot as plt
plt.show(df.plot(kind = 'box'))
現(xiàn)在，我們可以用pandas模塊中集成R的ggplot主題來美化圖表。要使用ggplot，我們只需要在上述代碼中多加一行，
import matplotlib.pyplot as plt
pd.options.display.mpl_style = 'default' # Sets the plotting display theme to ggplot2
df.plot(kind = 'box')
3
這樣我們就得到如下圖表：
請(qǐng)點(diǎn)擊輸入圖片描述
4
比matplotlib.pyplot主題簡(jiǎn)潔太多。但是在本文中，我更愿意引入seaborn模塊，該模塊是一個(gè)統(tǒng)計(jì)數(shù)據(jù)可視化庫。因此我們有：
# Import the seaborn library
import seaborn as sns
# Do the boxplot
plt.show(sns.boxplot(df, widths = 0.5, color = "pastel"))
請(qǐng)點(diǎn)擊輸入圖片描述
5
多性感的盒式圖，繼續(xù)往下看。
請(qǐng)點(diǎn)擊輸入圖片描述
6
plt.show(sns.violinplot(df, widths = 0.5, color = "pastel"))
請(qǐng)點(diǎn)擊輸入圖片描述
7
plt.show(sns.distplot(df.ix[:,2], rug = True, bins = 15))
請(qǐng)點(diǎn)擊輸入圖片描述
8
with sns.axes_style("white"):
plt.show(sns.jointplot(df.ix[:,1], df.ix[:,2], kind = "kde"))
請(qǐng)點(diǎn)擊輸入圖片描述
9
plt.show(sns.lmplot("Benguet", "Ifugao", df))
END
創(chuàng)建自定義函數(shù)
在Python中，我們使用def函數(shù)來實(shí)現(xiàn)一個(gè)自定義函數(shù)。例如，如果我們要定義一個(gè)兩數(shù)相加的函數(shù)，如下即可：
def add_2int(x, y):
return x + y
print add_2int(2, 2)
# OUTPUT
4
順便說一下，Python中的縮進(jìn)是很重要的。通過縮進(jìn)來定義函數(shù)作用域，就像在R語言中使用大括號(hào){…}一樣。這有一個(gè)我們之前博文的例子：
產(chǎn)生10個(gè)正態(tài)分布樣本，其中和
基于95%的置信度，計(jì)算和?;
重復(fù)100次; 然后
計(jì)算出置信區(qū)間包含真實(shí)均值的百分比
Python中，程序如下：
import numpy as np
import scipy.stats as ss
def case(n = 10, mu = 3, sigma = np.sqrt(5), p = 0.025, rep = 100):
m = np.zeros((rep, 4))
for i in range(rep):
norm = np.random.normal(loc = mu, scale = sigma, size = n)
xbar = np.mean(norm)
low = xbar - ss.norm.ppf(q = 1 - p) * (sigma / np.sqrt(n))
up = xbar + ss.norm.ppf(q = 1 - p) * (sigma / np.sqrt(n))
if (mu low) (mu up):
rem = 1
else:
rem = 0
m[i, :] = [xbar, low, up, rem]
inside = np.sum(m[:, 3])
per = inside / rep
desc = "There are " + str(inside) + " confidence intervals that contain "
"the true mean (" + str(mu) + "), that is " + str(per) + " percent of the total CIs"
return {"Matrix": m, "Decision": desc}
上述代碼讀起來很簡(jiǎn)單，但是循環(huán)的時(shí)候就很慢了。下面針對(duì)上述代碼進(jìn)行了改進(jìn)，這多虧了?Python專家
import numpy as np
import scipy.stats as ss
def case2(n = 10, mu = 3, sigma = np.sqrt(5), p = 0.025, rep = 100):
scaled_crit = ss.norm.ppf(q = 1 - p) * (sigma / np.sqrt(n))
norm = np.random.normal(loc = mu, scale = sigma, size = (rep, n))
xbar = norm.mean(1)
low = xbar - scaled_crit
up = xbar + scaled_crit
rem = (mu low) (mu up)
m = np.c_[xbar, low, up, rem]
inside = np.sum(m[:, 3])
per = inside / rep
desc = "There are " + str(inside) + " confidence intervals that contain "
"the true mean (" + str(mu) + "), that is " + str(per) + " percent of the total CIs"
return {"Matrix": m, "Decision": desc}
python是弱類型語言，在變量定義時(shí)，并不需要明確的給出數(shù)據(jù)的類型。所以row有可能是字符串、整型或是浮點(diǎn)型，這里使用int（）函數(shù)，是為了將row轉(zhuǎn)換為整型，最后重新賦值給row
with open('ttt.csv','w') as fh: writer = csv.writer(fh,lineterminator='\n')
#一次寫入一行數(shù)據(jù) for item in data: writer.writerow(item)
#一次寫入多行數(shù)據(jù) writer.writerows(data)加一個(gè)linwterminator='\n'參數(shù)！
重慶分公司
重慶分公司
