Python数据分析

第3章 统计学与线性代数

统计学与线性代数这两个数学分支在进行数据分析时非常有用，因此本章将重点加以介绍。当我们从原生数据进行推断时，统计学是必不可少的。比如，通过数据求出变量的算术平均值和标准差，并由此推出该变量的取值范围和期望值后，就可以利用统计检验来评估所得结论的可信度了。

线性代数关注的是解线性方程组，而Numpy和Scipy的linalg程序包可以帮我们轻松地解决这个问题。线性代数用途广泛，如利用模型拟合数据时就离不开它。除此之外，本章还会介绍其他几种Numpy和Scipy程序包，内容涉及随机数的生成和掩码式数组（Masked arrays）。

本章涉及以下主题。

• 描述性统计学。

• linalg程序包。

• 多项式。

• 作为特殊ndarray子类的矩阵。

• 随机数。

• 连续分布和离散分布。

• 掩码式数组（Masked arrays）。

3.1 Numpy和Scipy模块

首先，我们来研究一下Numpy和Scipy模块的相关文档。需要注意的是，这里介绍的内容不仅适用于数据分析人员，对于普通Python用户来说，也是非常有用的。

下面的代码将为我们展示Numpy和Scipy各个子库的描述信息：

import pkgutil as pu import numpy as np import matplotlib as mpl import scipy as sp import pydoc print "NumPy version", np.__version__ print "SciPy version", sp.__version__ print "Matplotlib version", mpl.__version__ def clean(astr): 　　　　s ...