刘总的笔记小站

6，运行代码：

1），数据分析：

import numpy as np
import pandas as pd
import io
data_pd_na = '''
Gender|Age|Weight
M | 22 | 72.0
F | 29 | 55.0
M | 24 |
F || 57.0
'''
df = pd.read_table (io.StringIO(data_pd_na), sep = '|')
print(df)

2，数据可视化

# 1. 折线图 2. 柱状图 3. 直方图 4. 箱线图 5. 区域图 6. 散点图 7. 饼图六边形容器图

import matplotlib.pyplot as plt
 
# 创建数据
x = [1, 2, 3, 4]
y = [5, 7, 9, 6]
 
# 绘制线形图
plt.plot(x, y)
 
# 添加标题和标签
plt.title("Line Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
 
# 显示图像
plt.show()

3，科学计算

# 一、scipy库的简介 scipy是一个开源的Python库，用于数学、科学和工程计算。它建立在NumPy库的基础上，并扩展了其功能，提供了许多高级的数值算法和工具。scipy库包含了多个子模块，每个子模块都专注于特定的科学计算领域，如优化、插值、统计等。
# 二、NumPy和scipy的关系 scipy库是建立在NumPy库之上的，它利用NumPy数组作为基本的数据结构。NumPy提供了高效的多维数组操作功能，而scipy在此基础上提供了更高级的数学和科学计算工具。因此，了解NumPy的基本用法对于理解和使用scipy非常重要。
# 三、scipy库的子模块 scipy库包含了多个子模块，每个子模块提供了特定领域的功能。下面介绍几个常用的子模块：
# 四、scipy库的线性代数功能 scipy库提供了强大的线性代数计算功能，包括矩阵分解、线性方程组求解、特征值计算等。这些功能对于科学计算和工程应用非常有用。
# 五、scipy库中的图像处理功能 scipy库提供了图像处理的功能，包括读取和保存图像文件、图像滤波、图像变换等。这些功能对于计算机视觉和图像处理任务非常有用。
# 六、scipy库中的信号处理功能 scipy库提供了丰富的信号处理功能，包括滤波器设计、频谱分析、傅里叶变换等。这些功能对于音频处理、通信系统设计等领域非常有用。
# 七、scipy库中的积分和微分功能 scipy库提供了数值积分和微分的功能，可以对函数进行积分、求解常微分方程等。这些功能对于数值计算和数学建模非常有用。
# 八、scipy库中的稀疏矩阵功能 scipy库提供了对稀疏矩阵进行操作和计算的功能，包括稀疏矩阵的存储、乘法、求解线性方程组等。这对于处理大规模稀疏数据非常有用。

import numpy as np
import scipy
# 创建一个NumPy数组
a = np.array([1, 2, 3, 4, 5])
# 使用scipy计算数组的平均值
mean = scipy.mean(a)
print("平均值:", mean)