numpy,pandas,matplotlib安装和介绍

安装pandas

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

用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。

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。