文档
jupyter官网：http://jupyter.org/ 推荐用 anaconda 来使用jupyter，相关的依赖包啥的都自动搞好了，不用自己搞环境，传送门
例子
以下例子使用 python2.7的语法编写
需要的相关模块引入
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
图像中文展示
前提是需要安装 SimHei 字体 查看 matplotlib 所在目录：print(matplotlib.matplotlib_fname())
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
plt.axis('equal') # 设置圆的长宽相等，则图形展示为圆，而非椭圆
数据加载
// 数据载入，列之间使用 \t 分割
all_user_df = pd.read_csv("/Users/jaky.wang/tmp/data.csv", sep='\t')
// 查看前几行数据
all_user_df.head()
// 过滤出 age=10的数据
filter_data = all_user_df[all_user_df.age<20]
// 多个条件过滤，过滤出age大于5小于20的数据
filter_data = all_user_df[(all_user_df.age<20) & (all_user_df.age>5)]
// 提取指定行的指定列，第一个参数为从第几行到第几行，第二个参数为指定列名的集合
extract_data = all_user_df.loc[:,['user_name','age']]
// 两个数据集merge成一个数据集，类似于sql的join
merge_data = pd.merge(all_user_df, all_user_df, how="inner", on='userid')
// 使用 行名 作为 merge条件，并添加字段后缀
pd.merge(all_user_df, all_user_df, how='inner',
left_index=True, right_index=True, suffixes=('_one', '_two'))
// 使用数据集中的一行，算出一个新列，axis=1表示变量 x 是以行的维度处理，默认是列
all_user_df['new_column'] = all_user_df.apply(lambda x:x.age*2, axis=1)
// 以age进行分组,统计出现的次数
name_count = all_user_df.groupby(all_user_df.age).count().user_name
// 饼图展示数据，
all_user_df.plot(kind='pie', subplots=True,autopct='%.2f',figsize=(15.0, 8.0))
plt.show()
// 排序，逆序
sort_df = all_user_df.sort_values('userid', ascending=False)
// 保存到文件
all_user_df.to_csv("/Users/jaky.wang/data.csv")
多个array在同一图上做曲线图
common_all_consumed 和 all_consumed 都是普通的 list
#创建figure窗口
plt.figure(num=3, figsize=(15, 8))
plt.plot(x_axix, np.array(common_all_consumed), color='red')
plt.plot(x_axix, np.array(all_consumed), color='black')
#设置坐标轴范围
plt.xlim((0, 23))
plt.ylim((0, 1500000000))
#设置坐标轴名称
plt.xlabel('time')
plt.ylabel('consumed')
#设置坐标轴刻度
my_x_ticks = np.arange(0, 24, 1)
my_y_ticks = np.arange(0, 1500000000, 50000000)
plt.xticks(my_x_ticks)
plt.yticks(my_y_ticks)
#显示出所有设置
plt.show()