开篇

  为了提升自己，准备学习《Python机器学习基础教程》作者: [德]安德里亚斯·穆勒 / [美]莎拉·吉多，译者: 张亮 ；写此博客，用作记录书中的代码，学习心得等。

第一章

• 1.4.4 matplotlib

  matplotlib 是Python 主要的科学绘图库，其功能为生成可发布的可视化内容，如折线图、直方图、散点图等。将数据及各种分析可视化，可以让你产生深刻的理解，而我们将使用 matplotlib完成所有的可视化内容。
  Jupyter Notebook 是可以在浏览器中运行代码的交互环境。这个工具在探索性数据分析方 面非常有用，在数据科学家中广为使用。虽然 Jupyter Notebook 支持多种编程语言，但我 们只需要支持 Python 即可。用 Jupyter Notebook 整合代码、文本和图像非常方便，实际上 本书所有内容都是以 Jupyter Notebook 的形式进行编写的。此书中使用Jupyter Notebook，将图像直接显示在浏览器中，而我直接用Pycharm代替Jupyter Notebook。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

# 在-10和10之间生成一个数列，共100个数
x = np.linspace(-10, 10, 100)
# 用正弦函数创建第二个数组
y = np.sin(x)
# plot函数绘制一个数组关于另一个数组的折线图
plt.plot(x, y, marker="x")
plt.show()

使用Pycharm 运行效果：

在右侧SciView(科学视图)中可以浏览作图matplotlib的作图，右键点击缩略图片可以保存图片

cmd窗口中 运行效果：


左下角按钮功能：
Reset original view 重置原始视图。鼠标拖动视图后，回到原始状态
Back to previous view 返回上一个视图
Forward to next view 前进到下一个视图
Pan axes with left mouse，zoom with right 用鼠标左键平移，使用鼠标右键缩放。
Zoom to rectangle 缩放到矩形。局部缩放
Configure subplots 配置子批次。点击滑块调整子块参数,调整图像距离显示边框的上下左右距离等
Save the figure 保存图形

• 1.4.5 pandas

  pandas 是用于处理和分析数据的Python库。它基于一种叫作 DataFrame 的数据结构，这种数据结构模仿了R语言的 DataFrame。简单的来说，一个 pandas DataFrame 是一张表格，类似于 Excel 表格。pandas 中包含大量用于修改和操作表格的方法，尤其可以像 SQL 一样对表格进行查询和连接。NumPy 要求数组中的所有元素类型必须完全相同，而 pandas 不是这样，每一列数据的类型可以互不相同（比如整型、日期、浮点数和字符串）。pandas的另一个强大之处在于，它可以从许多文件格式和数据库中提取数据，如SQL、Excel文件和逗号分隔值（CSV）文件。pandas 的详细功能已经超出了本书的范围。但 Wes McKinney 的 《Python 数据处理》一书是很好的参考指南。下面是利用字典创建DataFrame 的一个小例子：

import pandas as pd
from IPython.display import display

# 创建关于人的简单数据集
data = {
    'Name': ["John", "Anna", "Peter", "Linda"],
    'Location': ["New York", "Paris", "Berlin", "London"],
    'Age': [24, 13, 53, 33]
}

data_pandas = pd.DataFrame(data)
# Ipython.display可以在Jupyter Notebook中打印出“美观的”DataFrame
display(data_pandas)
# 选择年龄大于30的所有行
display(data_pandas[data_pandas.Age > 30])

小结

• Pycharm中使用matplotlib做分析图比较方便，在Pycharm中也可以使用终端的方式写代码，做分析图
  

参考

• PyCharm使用Matplotlib绘图不能显示绘图结果
• Jupyter Notebook 入门指南
• Jupyter Notebook 官方文档

传送门

《Python机器学习基础教程》学习记录（二）