Python常用模块

Library

NumPy

Numpy的核心是ndarray

基本操作

矩阵运算

点乘，叉乘

存储

np.savetxt()有个比较坑的地方，3×1的矩阵存起来再读取变成1×3的了，读完再reshape()保证形状正确。

可以用np.save()直接保存为.npy格式的文件，读起来也会更快。

微分方程

提供一些比较好的样例，用于预习和练习。

在 Python 中模拟耦合微分方程组

知乎：基于SIR模型的新型冠状病毒动力学建模与参数辨识（附Python代码）

用odeint解常微分方程的范例

pandas

pandas是一个做数据分析的包，依赖于numpy。

import pandas as pd
dataset = pd.read_csv(csv_path)

dataframe是pandas内置格式简写为df

dataset.info()看看几个not-null，以及每一类的数据类型，object就是字符串。

https://blog.csdn.net/a8131357leo/article/details/79635866

dataset.descirbe()

打印一些特征，比如平均值啥的。object就没有平均值。
注意不要漏打了括号。

画图

画图的目的是为了更加方便地观察数据。

单个连续变量画图

plt.figure(figsize=(8,6))
dataset['monthly_payment'].plot(kind='kde')

https://blog.csdn.net/Jinlong_Xu/article/details/70175107

单个离散变量的柱状图

plt.figure(figsize=(8,6))
sns.distplot(dataset['early_return'].values, bins=50, kde=False)

https://blog.csdn.net/u010916338/article/details/106036759

变量之间关联

筛选出满足条件的entry，观察这个sub table中变量的分布

# 仅显示数字统计
watch_feat = 'early_return'
dataset[watch_feat].value_counts()

for v in dataset[watch_feat].unique():
    plt.figure(figsize=(8,6))
    sns.distplot(dataset.loc[dataset[watch_feat]==v, 'isDefault'].values, bins=50, kde=False)

OpenPyXl

用openpyxl

work_sheet = work_book[sheet_name]
v = work_sheet.cell(x,y).value
work_sheet.cell(x,y).value = written_value
work_book.save("path")

记得save就好，不然没有实际写到硬盘上。

具体操作可以看这篇文章：https://blog.csdn.net/weixin_41546513/article/details/109555832

自己的一个练习可以看这个：https://gitee.com/vsbug/Classroom_Project/blob/master/main.py