Library

NumPy

Numpy的核心是ndarray

基本操作

矩陣運算

點乘，叉乘

儲存

np.savetxt()有個比較坑的地方，3×1的矩陣存起來再讀取變成1×3的了，讀完再reshape()保證形狀正確。

可以用np.save()直接儲存為.npy格式的檔案，讀起來也會更快。

微分方程

提供一些比較好的樣例，用於預習和練習。

在 Python 中模擬耦合微分方程組

知乎：基於SIR模型的新型冠狀病毒動力學建模與引數辨識（附Python程式碼）

用odeint解常微分方程的範例

pandas

pandas是一個做資料分析的包，依賴於numpy。

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

dataframe是pandas內建格式簡寫為df

dataset.info()看看幾個not-null，以及每一類的資料型別，object就是字串。

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

dataset.descirbe()

列印一些特徵，比如平均值啥的。object就沒有平均值。
注意不要漏打了括號。

畫圖

畫圖的目的是為了更加方便地觀察資料。

單個連續變數畫圖

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

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

單個離散變數的柱狀圖

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

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

變數之間關聯

篩選出滿足條件的entry，觀察這個sub table中變數的分佈

# 僅顯示數字統計
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")

記得save就好，不然沒有實際寫到硬碟上。

具體操作可以看這篇文章：https://blog.csdn.net/weixin_41546513/article/details/109555832

自己的一個練習可以看這個：https://gitee.com/vsbug/Classroom_Project/blob/master/main.py