numpy,pandas,matplotlib安装和介绍

安装pandas

https://pandas.pydata.org/pandas-docs/stable/install.html

pip3 install pandas

 

推荐使用https://docs.continuum.io/anaconda/install/ 安装

 

 

pandas

pandas这个名字源于panel data(面板数据,这是多维结构化数据集在计量经济学中的术语)以及Python data analysis(Python数据分析)。
pandas提供了快速便捷处理结构化数据的大量数据结构和函数。
官网文档:
https://pandas.pydata.org/pandas-docs/stable/getting_started/10min.html
 
特点:
  • 运行效率较numpy底,但有更高级的特性,更适合初级用户使用。
    • 兼具numpy的数组计算功能
    • 电子表格和关系数据库的数据处理功能
    • 提供丰富索引功能:重塑,切片,聚合,选取子集。 
  • 用的最多的是DataFrame面向列的二维表结构,和Series,一维度的标签化数组对象。
 
 
import pandas as pd

两种类型:

  • series
  • dataframe   
 

NumPy

NumPy(Numerical Python的简称)是Python科学计算的核心库。Pandas, sklearn等都基于numpy进行二次开发包装的。功能强大,其余脚本构建了强大的数理计算功能,函数接口丰富。

NumPy比Pandas更抽象,所以Pandas使用更普遍。

numpy,pandas,matplotlib安装和介绍_第1张图片

 

 

但是Matlab是收费的。

  • 高效快速的多维数组对象ndarray⚠️,进行数值计算,速度快于pandas。因此适合大数据分析。
  • ndarray比list运算至少快10倍,甚至100倍。 例子见《利用python进行数据分析》第4章。
  • 对数组执行元素级的计算和直接对数组执行数学运算的函数
  • 线性代数,傅立叶变换,随机数生成等功能
  • 将C,C++集成到Python工具

主要用途:为Python提供快速处理数组的能力,作为算法间传递数据的容器。

>>> import numpy as np
>>> a = np.array([1,2,3,4])
>>> a.dtype
dtype('int64')
  • 使用array()创建一个array类型数据
  • dtype查询内部数据类型。 

官方文档:https://numpy.org/doc/

使用Numpy的优点:

  1. 接近用C语言写的代码的执行速度,
  2. C语言面对多维的数据,要写大量代码,numpy极大简化了代码并基于python。

为什么Numpy很快?

使用了Vector化的编码。把循环,索引等等功能放到了代码的背后(即预编译的C代码),因此:

  • Vectorized code变得简洁和可读性好
  • 更少的代码,意味着bug也少,不容易人为❌。
  • 代码看起来更像是标准的mathematical notation数学符号。
  • Vectorization的结果更像Pythonic code。

官方简明教程:https://numpy.org/doc/1.18/user/index.html

 

 

matplotlib

matplotlib是最流行的用于绘制图表和其它二维数据可视化的Python库。

 

scikit-learn

2010年诞生以来,scikit-learn成为了Python的通用机器学习工具包

你可能感兴趣的:(numpy,pandas,matplotlib安装和介绍)