一、数据分析环境搭建

1. anaconda环境搭建

Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。Conda 是为 Python 程序创建的，适用于 Linux，OS X 和Windows，也可以打包和分发其他软件。最流行的 Python 环境管理工具。

conda官网上下载安装，安装过程不停下一步就行。打开conda,调用里面的jupyter功能。
可以实现在线编写python，并进行可视化分析。
在这里插入图片描述

2.pycharm中调用anaconda中的库

安装好conda之后，之前使用PYcharm 去 pip install matpllotlip的包时候，始终出现错误，方法的根本出发点在于，Pycharm本身缺少numpy和matplotlib这些库，而另一个Python的开发环境Anaconda则自带了300多种常见的库。所以想在pycharm中使用Anaconda自带的库。实现这一“借用”的则是Pycharm中对 “Project Interpreter”的设置，该设置是设定Pychar使用哪一个python编译器。那么只要将该interpreter设置为Anaconda下的python.exe，就可以将Anaconda下众多的库导入到Pycharm中。（这是一种借用conda的方法，但让pycharm自己去调用库的问题始终没有解决）
在这里插入图片描述
用pycharm调用conda的库并使用

3.建议的学习顺序

NumPy是使用Python进行科学计算的基础包，常用于数据分析。NumPy通常与SciPy和Matplotlib一起使用，广泛用于替代matlab，有助于我们学习数据科学或机器学习。
Matplotlib是用于数据可视化的最流行的Python包之一，它是一个跨平台库，用于根据数组中的数据制作2D和简单3D图。
Pandas是一款开放源码的BSD许可的Python库，为Python编程语言提供了高性能，易于使用的数据结构和数据分析工具。Pandas用于广泛的领域，包括金融，经济，统计，分析等学术和商业领域。
在这里插入图片描述

二、NumPy学习

学习numpy，参考视频是numpy学习视频
在这里插入图片描述

1.Numpy的数据类型

a.数据类型

numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。下表列举了常用 NumPy 基本类型。
在这里插入图片描述

b.空值

在这里插入图片描述

c.Nan和inf

在这里插入图片描述

d.副本与视图

## 列表


list01 =[1,2,3,4,5,6]
list02 =list01#两个地址是一样的，都是指向同一个内存地址
print(list01,list02)

print(id(list01))
print(id(list02))

# copy()函数，浅复制

list02=list01.copy()

print(id(list01))
print(id(list02))

## 深复制

#导入模块
import copy

list03 = [1,2,3,[4,5,6]]
print(list03)
list03

list04=copy.deepcopy(list03)
list04

#修改list01第三个元素中的第0个数值
list03[3][0]=100
list03

list04