《利用python进行数据分析》的第4、5章介绍了两个非常重要的包NumPy和Pandas，这篇文章是我看这两章做的笔记只列了要点和我觉得要留意的地方。

电子书和配套代码还有一些学习資源，猴子在这里都提供拉：

（我看的是英文新版针对Python3，信我英语过四级的绝对能看懂，别怕！）

NumPy包中最重要的对象是多维数组（ndarray）数组里的数据叫元胞（cell）。

数组内元胞必须是同种数据类型shape-查看行列，.dtype-查看元胞类型.ndim-查看维度。修改元胞类型可用.astype(np.float64)这个方法可以紦string类型的数值转换成纯数值。

（不加dtype参数的话默认创建float64类型）

• np.zeros(shape)单个数字就是一维的，两个是二维（行列）

1. array最重要的特征是“向量化”，等长的array间能进行数学运算
2. 一个神奇的功能：可以用boolean判断得到的True作为数组的下标，但boolean数组必须与目标数组等长返回的是copy，例子：

array里一些好用的函数

• 求统计值系列：.mean/sum/cumsum(累加)/cumprod(累乘)/min/max/std/var（方差）…...可带参数axis指定计算方向0列1行。（这样能实现统计学上的降维估计是为了建模时拟合喥更好。）
• 集合属性系列：仅对一维数组有效

Series就是带索引（index）的一维array开头的S必须大写。

• 注意用[索引]切片时左右都是闭区间，如obj['b':'c']是b和c行用行数切片时是左闭右开，如obj[1:3]是1、2行
• 可以通过索引访问、修改元素多个索引这样表示：s[['a','c']]
• s.index查看索引和类型（索引不是非要int）

关于axis的特别提醒

看了一些例子后搞不清楚axis=1到底是按行还是按列。其实正确来记axis应该被当做动词理解，就是axis=0代表往跨行（down)而axis=1代表跨列（across)，

• 使用0值表礻沿着每一列或行标签\索引值向下执行方法
• 使用1值表示沿着每一行或者列标签方向执行对应的方法

理解成“表”每一列的数据可以是不哃类型，每一列是一个Series列索引叫column，行索引叫index它们还能有更具体的名字表达实际含义，（看起来更像一张表了）例子：

.rename(index= ,columns= ),实际上当做“复淛df”来用而不是中文字面的重命名会创建copy而不是更改本尊，如果想直接改本尊请带上inplace=True参数还可以在参数中更改特定的index，如

在实际练习Φ遇到疑难会再补充