python数据分析基础（一）

1. 引言

在数据科学和分析领域，数据处理和可视化是非常重要的技能。Python中的NumPy、Matplotlib和Pandas是数据处理和可视化方面最常用的库之一。本文将介绍这些库的基本用法和应用，帮助读者快速上手并掌握数据处理和可视化的基本技巧。

2. NumPy简介

NumPy是Python科学计算的核心库，提供了多维数组对象和用于处理这些数组的函数。以下内容将详细介绍NumPy的基本用法：

• 创建NumPy数组：numpy.array、numpy.arange、numpy.zeros、numpy.ones等。
• 数组的基本操作：索引、切片、运算。
• 数组的统计和数学函数：numpy.mean、numpy.sum、numpy.max、numpy.sin等。
• 广播（Broadcasting）机制：不同维度数组之间的运算。

import numpy as np

# 创建NumPy数组
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.arange(0, 10, 2)
array3 = np.zeros((3, 3))
array4 = np.ones((2, 4))

# 数组的基本操作
print(array1[2])  # 输出：3
print(array2[1:4])  # 输出：[2 4 6]
print(array1 + 2)  # 输出：[3 4 5 6 7]

# 数组的统计和数学函数
print(np.mean(array1))  # 输出：3.0
print(np.sum(array2))  # 输出：20
print(np.sin(array1))  # 输出：[ 0.84147098  0.90929743  0.14112001 -0.7568025  -0.95892427]

# 广播机制
array5 = np.array([1, 2, 3])
array6 = np.array([[10], [20], [30]])
print(array5 + array6)
# 输出：
# [[11 12 13]
#  [21 22 23]
#  [31 32 33]]

3. Matplotlib简介

Matplotlib是Python中最流行的数据可视化库，用于绘制各种图表，包括线性图、散点图、柱状图、饼图等。以下内容将详细介绍Matplotlib的基本用法：

• 绘制简单的线性图和散点图：plt.plot、plt.scatter。
• 自定义图表属性：颜色、线型、标签等。
• 多个图表和子图：plt.subplots、plt.subplot。
• 使用中文字符和添加图例。
• 绘制柱状图和饼图：plt.bar、plt.pie。

import matplotlib.pyplot as plt

# 示例数据
x = [1, 2, 3, 4, 5]
y1 = [10, 15, 12, 8, 9]
y2 = [50, 45, 60, 55, 58]

# 绘制线性图和散点图
plt.plot(x, y1, label='数据集1', color='blue', linestyle='-', marker='o')
plt.scatter(x, y2, label='数据集2', color='red')

# 自定义图表属性
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('线性图和散点图')
plt.legend()

# 多个图表和子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))
ax1.plot(x, y1, label='数据集1')
ax1.set_xlabel('X轴')
ax1.set_ylabel('Y轴')
ax1.legend()

ax2.scatter(x, y2, label='数据集2', color='red')
ax2.set_xlabel('X轴')
ax2.set_ylabel('Y轴')
ax2.legend()

# 中文字符和图例
plt.rcParams['font.family'] = 'SimHei'
plt.xlabel('横轴')
plt.ylabel('纵轴')
plt.title('中文标题')
plt.legend()

# 绘制柱状图和饼图
categories = ['A', 'B', 'C', 'D', 'E']
values = [15, 24, 12, 8, 20]
plt.bar(categories, values)
plt.xlabel('类别')
plt.ylabel('值')
plt.title('柱状图示例')

sizes = [15, 30, 45, 10]
plt.pie(sizes, labels=['A', 'B', 'C', 'D'], autopct='%1.1f%%')
plt.title('饼图示例')

# 显示图表
plt.show()

4. Pandas简介

Pandas是Python中最常用的数据处理库，提供了DataFrame和Series数据结构以及各种数据处理和操作功能。以下内容将详细介绍Pandas的基本用法：

• 创建DataFrame和Series。
• 读取和处理数据文件：CSV、Excel等。
• 数据清洗和处理：缺失值、重复值、数据类型转换等。
• 数据分组和聚合。
• 绘制折线图、柱状图和箱线图。

import pandas as pd

# 创建DataFrame和Series
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 22]}
df = pd.DataFrame(data)
print(df)

series = pd.Series([10, 20, 30], index=['A', 'B', 'C'])
print(series)

# 读取和处理数据文件
data = pd.read_csv('data.csv')
print(data.head())

# 数据清洗和处理
data.dropna()  # 删除包含缺失值的行
data.drop_duplicates()  # 删除重复的行
data['Age']

# 绘制折线图
data.plot(x='Date', y='Value', kind='line', title='折线图示例')
plt.xlabel('日期')
plt.ylabel('数值')
plt.show()

# 绘制柱状图
data.plot(x='Category', y='Value', kind='bar', title='柱状图示例')
plt.xlabel('类别')
plt.ylabel('数值')
plt.show()

# 绘制箱线图
data.boxplot(column='Value', by='Category', grid=False)
plt.xlabel('类别')
plt.ylabel('数值')
plt.title('箱线图示例')
plt.suptitle('')  # 去除默认的子图标题
plt.show()

5. 总结

在本文中，我们介绍了Python中常用的数据处理和可视化库NumPy、Pandas和Matplotlib的基本用法。NumPy提供了多维数组和数学函数，方便高效地处理大规模数据。Pandas则为数据处理和分析提供了DataFrame和Series，简化了数据的操作和清洗。而Matplotlib是最流行的数据可视化库，能够绘制各种图表，实现对数据的直观展示。

希望通过本文，读者能够掌握这些库的基本用法，并在实际项目中灵活运用它们进行数据处理和可视化，提高数据分析的效率和质量。祝您学习愉快！