学习NumPy、Pandas 和 Matplotlib笔记

admin

学习NumPy、Pandas和Matplotlib是数据分析和科学计算的关键步骤。以下是这些库的基础知识及其用法的笔记，旨在帮助你更快地掌握它们。

---

NumPyNumPy是Python中用于科学计算的基础库，它提供了支持大型、多维数组和矩阵的功能。
1. 安装 NumPy使用pip安装NumPy：

1. pip install numpy

复制代码

2. 基本用法a. 导入 NumPy

1. import numpy as np

复制代码

b. 创建数组

• 从列表创建一维数组：
  

1. arr1 = np.array([1, 2, 3])

复制代码

• 创建二维数组：
  

1. arr2 = np.array([[1, 2, 3], [4, 5, 6]])

复制代码

• 使用特定值创建数组：
  

1. zeros = np.zeros((2, 3))  # 2行3列的零数组
   
2. ones = np.ones((2, 3))    # 2行3列的单位数组
   
3. full_array = np.full((2, 3), 7)  # 2行3列填充7的数组

复制代码

c. 数组操作

• 获取数组形状和维度：
  

1. arr2.shape  # (2, 3)
   
2. arr2.ndim   # 2

复制代码

• 数组索引和切片：
  

1. element = arr2[0, 1]  # 第1行第2列的元素
   
2. sliced = arr2[0:2, 1]  # 取前2行，第2列

复制代码

d. 数组运算

• 数学运算：
  

1. arr3 = np.array([1, 2, 3])
   
2. arr4 = np.array([4, 5, 6])
   
3. sum_array = arr3 + arr4  # 数组元素相加

复制代码

• 常见函数：
  

1. mean = np.mean(arr3)
   
2. std_dev = np.std(arr3)

复制代码

---

PandasPandas是Python中处理数据分析和数据操作的强大工具，主要提供数据结构 Series 和 DataFrame。
1. 安装 Pandas使用pip安装Pandas：

1. pip install pandas

复制代码

2. 基本用法a. 导入 Pandas

1. import pandas as pd

复制代码

b. 创建数据结构

• 创建 Series：
  

1. s = pd.Series([1, 2, 3, 4])

复制代码

• 创建 DataFrame：
  

1. data = {
   
2.     'Column1': [1, 2, 3],
   
3.     'Column2': ['A', 'B', 'C']
   
4. }
   
5. df = pd.DataFrame(data)

复制代码

c. 数据读取

• 从CSV文件读取数据：
  

1. df = pd.read_csv('file.csv')  # 读取CSV文件

复制代码

d. 数据探索

• 查看数据：
  

1. df.head()  # 查看前5行
   
2. df.info()  # 数据框信息
   
3. df.describe()  # 描述统计

复制代码

e. 数据选择与过滤

• 按列选择：
  

1. col1 = df['Column1']  # 选择一列

复制代码

• 过滤：
  

1. filtered_df = df[df['Column1'] > 1]  # 过滤符合条件的行

复制代码

f. 数据操作

• 添加新列：
  

1. df['NewColumn'] = df['Column1'] * 2

复制代码

• 删除列：
  

1. df.drop('NewColumn', axis=1, inplace=True)

复制代码

---

MatplotlibMatplotlib是用于绘制图形和可视化数据的库。
1. 安装 Matplotlib使用pip安装Matplotlib：

1. pip install matplotlib

复制代码

2. 基本用法a. 导入 Matplotlib

1. import matplotlib.pyplot as plt

复制代码

b. 基本绘图

• 绘制简单的折线图：
  

1. x = [1, 2, 3, 4]
   
2. y = [10, 20, 25, 30]
   
3. 
   
4. plt.plot(x, y)
   
5. plt.title('Simple Plot')
   
6. plt.xlabel('X-axis')
   
7. plt.ylabel('Y-axis')
   
8. plt.show()

复制代码

c. 绘制散点图

1. plt.scatter(x, y, color='

复制代码