Python - 数据分析三剑客之NumPy-EW帮帮网

在Python中，NumPy、Pandas和Matplotlib是进行数据分析和数据可视化的三个核心库。它们各自有不同的功能，但经常一起使用来处理和分析数据。

1、NumPy

NumPy（Numerical Python）是一个用于科学计算的库，提供了高性能的多维数组对象以及这些数组的操作工具。它是Pandas和Matplotlib的基础。

核心功能：提供高性能的多维数组对象和数学运算工具

主要功能：

创建和操作多维数组
数学函数（如线性代数、傅里叶变换等）

关键特性：

广播机制：不同形状数组间的运算
向量化操作：避免显式循环
线性代数：矩阵运算、特征值分解等

import numpy as np

# 创建一个数组
arr = np.array([1, 2, 3, 4, 5])
print(arr)

# 创建二维数组
arr_2d = np.array([[1, 2, 3], [4, 5, 6]])
print(arr_2d)

2、Pandas

核心功能：提供高效的数据结构和数据分析工具

Pandas 是一个强大的数据分析工具库，提供了快速、灵活和表达式丰富的数据结构，旨在使“关系”或“标签”数据的处理既简单又直观。

主要功能：

数据清洗和准备
数据分析和操作
数据聚合和分组
时间序列功能

关键特性

DataFrame：二维表格型数据结构
时间序列：强大的时间处理功能
数据清洗：处理缺失值、重复值等
数据I/O：支持多种文件格式读写

import pandas as pd
import numpy as np

# 创建一个DataFrame
data = {'Name': ['Tom', 'Nick', 'Krish', 'Jack'],
'Age': [20, 21, 19, 18]}
df = pd.DataFrame(data)
print(df)

# 读取CSV文件
df = pd.read_csv('data.csv')
print(df.head()) # 显示前几行数据

3、Matplotlib

核心功能：Python 的基础绘图库

Matplotlib 是一个绘图库，用于创建静态、动态和交互式的可视化。它是Python中最常用的绘图库之一。

主要功能：

创建各种静态、动态和交互式图表和图形
支持多种图表类型，如线图、散点图、条形图等
高度可定制的外观和布局选项

关键特性

多种图表类型：线图、柱状图、散点图、饼图等
高度可定制：几乎可以调整所有视觉元素
面向对象和MATLAB风格两种API

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
 
# 使用Pandas创建数据
data = {'Name': ['Tom', 'Nick', 'Krish', 'Jack'], 'Age': [20, 21, 19, 18]}
df = pd.DataFrame(data)
 
# 使用Matplotlib绘制条形图
plt.bar(df['Name'], df['Age'])
plt.xlabel('Name')
plt.ylabel('Age')
plt.title('Age Distribution')
plt.show()

结合使用这三个库可以高效地进行数据处理、分析和可视化。可以使用Pandas来加载和处理数据，使用NumPy进行数据处理（例如数组操作），然后使用Matplotlib来创建图表以展示分析结果

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 1. 使用NumPy进行数值计算
data = np.random.randn(100, 4)

# 2. 使用Pandas进行数据整理和分析
df = pd.DataFrame(data, columns=['A', 'B', 'C', 'D'])
summary = df.describe()

# 3. 使用Matplotlib可视化结果
df.plot(kind='box')
plt.title('数据分布')
plt.show()

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 使用Pandas读取数据并处理数据
df = pd.read_csv('data.csv') # 假设有一个CSV文件data.csv包含一些数据
df['NewColumn'] = df['Column1'] + df['Column2'] # 添加新列作为示例操作
df = df[df['NewColumn'] > 100] # 数据过滤示例

# 使用Matplotlib进行可视化
plt.figure(figsize=(10, 6)) # 设置图表大小
plt.plot(df['Date'], df['NewColumn'], marker='o') # 绘制时间序列数据，例如日期与某值的趋势图
plt.xlabel('Date') # X轴标签
plt.ylabel('Value') # Y轴标签
plt.title('Value Trend Over Time') # 图表标题
plt.grid(True) # 显示网格线，提高可读性
plt.show() # 显示图表

一、安装NumPy环境

1、使用venv虚拟环境

在Python中使用venv虚拟环境有几个关键的好处，这使得它成为管理项目依赖和环境的首选方法。

1、隔离性：

使用venv可以创建一个独立的Python环境，这意味着你可以为不同的项目安装不同版本的库，而不会相互干扰。这对于避免依赖冲突非常有用。

2、版本控制：

你可以为每个项目指定特定版本的Python解释器和库。这样，你可以确保项目的稳定性和可重复性，无论在哪个环境中运行代码。

3、简化依赖管理：

使用venv，你可以很容易地安装、更新或删除项目所需的库，而不会影响到系统级的Python环境。这大大简化了依赖管理。

4、易于分享：

当你需要将项目分享给其他人或在不同的机器上工作时，venv可以确保所有必要的依赖都被包含在虚拟环境中，使得项目的设置和运行变得简单。

创建虚拟环境

打开终端或命令提示符。
导航到你的项目目录。
运行以下命令来创建一个虚拟环境（例如，名为venv）：

# 使用 virtualenv 创建虚拟环
virtualenv .venv

# 使用 Python 自带的 venv 模
python -m venv .venv

激活虚拟环境

# 在Windows上：
venv\Scripts\activate

# 在macOS和Linux上：
source venv/bin/activate

2、安装 NumPy；Pandas；Matplotlib

首先，确保你的系统上已经安装了Python。你可以通过在终端或命令提示符中输入python --version或python3 --version来检查Python的版本

使用Python虚拟环境：为了避免系统级的包冲突，建议使用虚拟环境。你可以使用venv（Python 3.3及以上版本内置）或conda（Anaconda/Miniconda）来创建和管理虚拟环境。例如，使用venv：

cd .venv
# 切换到虚拟环境下
cd Scripts  
# 激活虚拟环境  
activate  

# 安装numpy，pandas，matplotlib；使用其他镜像源，如阿里云、清华源、豆瓣
# 使用阿里云镜像源
pip install numpy pandas matplotlib -i https://mirrors.aliyun.com/pypi/simple/
# 使用清华源
pip install numpy pandas matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
# 使用豆瓣镜像源
pip install numpy pandas matplotlib -i https://pypi.douban.com/simple  

# 不使用镜像源（默认官方源）,如果你的网络环境可以访问官方pypi源，可以直接使用默认源安装：
pip install numpy pandas matplotlib

3、安装 ipyhton（更好的交互式Python编程环境）

# 使用阿里云镜像源
pip install ipython -i https://mirrors.aliyun.com/pypi/simple/

4、安装 Jupyter Notebook

# 使用阿里云镜像源
pip install jupyter -i https://mirrors.aliyun.com/pypi/simple/

安装之后，输入jupyter notebook（切换到项目目录下，再执行jupyter notebook命令）

jupyter启动默认浏览器

在当前项目目录下右击，选择【New Notebook】

然后写入Python代码，如输入print('hello')，运行（Ctrl + Enter）

Jupyter Notebook有两种键盘输入模式

命令模式：键盘输入运行程序命令；这时单元格框线为蓝色
编辑模式：允许你往单元格中键入代码或文本；这时单元格框线是绿色

Jupyter Notebook常用快捷键

【1】编辑模式(Enter 键启动)

Tab：代码补全或缩进

Shift + Tab：提示

Shift + Enter：允许本单元，选中下一单元

Ctrl + Enter：运行本单元

Alt + Enter：运行本单元，在下面插入一单元

【2】命令模式(按键 Esc 启动)

Shift + Enter：运行本单元，选中下个单元

Ctrl + Enter：运行本单元

Alt + Enter：运行本单元，在其下插入新单元

Y: 单元转入代码状态

M: 单元转入 markdown 状态

A: 在上方插入新单元

B: 在下方插入新单元

DD: 删除选中的单元

二、NumPy使用

在Python中，ndarray（ndarray的全名是NumPy的“N-dimensional array”；N维数组）是NumPy库中一个非常重要的数据结构，用于存储多维数组。它提供了大量的数学和逻辑函数操作，使得数组的创建、修改、索引和计算变得更加方便和高效。

1、创建ndarray

【1】使用np.array()由python list创建

注：

numpy默认ndarray的所有元素的类型是相同的

如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int

ndarray的常见数据类型：

int: int8、uint8、int16、int32、int64

float: float16、float32、float64

str: 字符串

【2】使用np.routines函数创建