Python数据分析：NumPy、Pandas与Matplotlib库

Python 是一种强大的编程语言，特别适合数据分析，主要得益于其丰富的库生态系统。NumPy、Pandas 和 Matplotlib 是 Python 中最常用的数据分析库。以下是对这三个库的简要介绍以及相应的代码示例。

1. NumPy

NumPy 是 Python 的一个基本库，用于处理大型多维数组和矩阵，支持大量的高级数学函数。

python复制代码
	import numpy as np  

	  

	# 创建一个 NumPy 数组  

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

	print(arr)  

	  

	# 执行数学运算  

	arr_squared = arr ** 2  

	print(arr_squared)  

	  

	# 创建二维数组（矩阵）  

	matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])  

	print(matrix)  

	  

	# 执行矩阵运算  

	matrix_transposed = matrix.T  

	print(matrix_transposed)

2. Pandas

Pandas 是一个提供数据结构和数据分析工具的 Python 库。它使得数据处理变得简单、直观。

python复制代码
	import pandas as pd  

	  

	# 创建一个 Pandas DataFrame  

	data = {  

	    'Name': ['Alice', 'Bob', 'Charlie', 'David'],  

	    'Age': [25, 30, 35, 40],  

	    'City': ['New York', 'Paris', 'London', 'Berlin']  

	}  

	df = pd.DataFrame(data)  

	print(df)  

	  

	# 数据筛选  

	df_over_30 = df[df['Age'] > 30]  

	print(df_over_30)  

	  

	# 数据分组和聚合  

	grouped = df.groupby('City')  

	city_counts = grouped['Name'].count()  

	print(city_counts)

3. Matplotlib

Matplotlib 是一个用于创建静态、动画和交互式可视化的 Python 库。

python复制代码
	import matplotlib.pyplot as plt  

	  

	# 简单的线图  

	x = np.linspace(0, 10, 100)  

	y = np.sin(x)  

	plt.plot(x, y)  

	plt.title("Simple Line Plot")  

	plt.xlabel("X-axis")  

	plt.ylabel("Y-axis")  

	plt.show()  

	  

	# 柱状图  

	categories = ['Category1', 'Category2', 'Category3', 'Category4']  

	values = [23, 45, 56, 12]  

	plt.bar(categories, values)  

	plt.title("Bar Chart")  

	plt.xlabel("Categories")  

	plt.ylabel("Values")  

	plt.show()

这些库通常一起使用，以执行复杂的数据分析和可视化任务。例如，你可能首先使用 Pandas 来清洗和整理数据，然后使用 NumPy 进行数值计算，最后使用 Matplotlib 来可视化结果。