流行的Python库numpy及Pandas简要介绍

numpy.ndarray 是NumPy库中的主要数据结构，它是一个多维数组，用于存储和操作数值数据。NumPy是Python中用于数值计算的强大库，numpy.ndarray 是它的核心数据类型，提供了高效的数值运算和广泛的数学函数。

以下是 numpy.ndarray 的一些重要特点和功能：

1. 多维数组：numpy.ndarray 可以是一维、二维或多维的数组，这使得它非常适合处理各种复杂的数据。

2. 数据类型：numpy.ndarray 可以包含不同数据类型的元素，如整数、浮点数、布尔值等。每个数组都有一个固定的数据类型，可通过 dtype 属性获得。

3. 广播：NumPy支持广播，这意味着可以对不同形状的数组执行元素级操作，而不需要显式循环。

4. 矢量化操作：NumPy提供了各种数学、逻辑和统计函数，这些函数能够高效地应用于 numpy.ndarray 中的元素，而无需编写循环。

5. 切片和索引：可以使用切片和索引操作从 numpy.ndarray 中选择和操作数据的子集。

6. 数学运算：NumPy支持各种数学运算，包括加法、减法、乘法、除法、矩阵运算等。

7. 随机数生成：NumPy包括随机数生成函数，用于生成随机数或随机数组。

8. 数据统计：NumPy提供了各种统计函数，用于计算平均值、方差、标准差、最大值、最小值等。

9. 线性代数：NumPy包括线性代数函数，用于矩阵操作、求解线性方程组等。

10. 文件IO：可以使用NumPy读取和写入数据到磁盘，支持多种文件格式。

下面是一个简单的示例，演示如何创建和操作 numpy.ndarray：

import numpy as np
 
# 生成0到1之间的随机数，指定形状为(2, 3)
random_nums = np.random.rand(2, 3)
print("Random numbers from uniform distribution:")
print(random_nums)
 
# 生成标准正态分布的随机数，指定形状为(3, 4)
random_normal = np.random.randn(3, 4)
print("\nRandom numbers from standard normal distribution:")
print(random_normal)
 
# 生成整数随机数，范围在5到15之间，指定形状为(2, 2)
random_integers = np.random.randint(5, 15, size=(2, 2))
print("\nRandom integers between 5 and 15:")
print(random_integers)
 
# 生成均匀分布的随机数，范围在10到20之间，指定形状为(3,)
random_uniform = np.random.uniform(10, 20, size=3)
print("\nRandom numbers from uniform distribution:")
print(random_uniform)
 
# 生成符合正态分布的随机数，均值为2，标准差为3，指定形状为(14,)
random_normal_custom = np.random.normal(loc=2, scale=3, size=14)
print("\nRandom numbers from custom normal distribution:")
print(random_normal_custom)
 
# 从数组中随机选择元素，指定选择5次，允许重复选择，并指定概率分布
choices = ['apple', 'banana', 'cherry', 'date']
random_choices = np.random.choice(choices, size=5, replace=True, p=[0.2, 0.3, 0.4, 0.1])
print("\nRandom choices:")
print(random_choices)
 
# 随机打乱数组的元素顺序
arr = np.array([1, 2, 3, 4, 5])
np.random.shuffle(arr)
print("\nShuffled array:")
print(arr)

import numpy as np
 
# 创建一个包含整数的等差数列
arr = np.arange(start, stop, step)
 
# 参数说明：
# - start: 数列的起始值（包含在数列中）
# - stop: 数列的结束值（不包含在数列中）
# - step: 数列的步长（可选，默认为1）
 
# 示例 1: 创建一个包含0到9的整数数列
arr1 = np.arange(10)
# 结果: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
 
# 示例 2: 创建一个包含2到8（不包含8）的整数数列，步长为2
arr2 = np.arange(2, 8, 2)
# 结果: [2, 4, 6]
 
# 示例 3: 创建一个包含0到1的浮点数数列，步长为0.1
arr3 = np.arange(0, 1, 0.1)
# 结果: [0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]

import numpy as np
 
arr = np.array([1, 2, 3, 4, 5])
mean = np.mean(arr)  # 计算平均值
max_val = np.max(arr)  # 找到最大值

import numpy as np
 
np.random.seed(42)  # 设置种子为42
random_numbers = np.random.rand(5)  # 生成5个随机数
 
print(random_numbers)
 
random_int = np.random.randint(1, 100, 5)  # 生成1到99之间的5个整数随机数
 
random_uniform = np.random.rand(5)  # 生成包含5个随机数的数组

import numpy as np
 
# 创建一个一维数组
arr1 = np.array([1, 2, 3, 4, 5])
 
# 创建一个二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
 
# 访问数组元素
print(arr1[0])        # 输出：1
print(arr2[1, 2])     # 输出：6
 
# 数学运算
result = arr1 + 10
print(result)         # 输出：[11 12 13 14 15]
 
# 切片
sub_array = arr1[1:4]
print(sub_array)      # 输出：[2 3 4]
 
# 统计运算
mean_value = np.mean(arr1)
print(mean_value)     # 输出：3.0

import numpy as np
 
# 创建一个全零数组
zeros_array = np.zeros((3, 4))
 
# 创建一个全一数组
ones_array = np.ones((2, 2))
 
# 创建一个等差数列
linspace_array = np.linspace(0, 1, 5)  # 生成 [0. 0.25 0.5 0.75 1. ]
 
# 创建一个随机数组
random_array = np.random.rand(3, 3)  # 生成一个3x3的随机数组

import numpy as np
 
arr = np.arange(12)  # 创建一个包含0到11的一维数组
 
# 将一维数组重塑为二维数组
reshaped_arr = arr.reshape(3, 4)
 
# 改变数组的形状，保持原数组不变
flattened_arr = arr.flatten()

import numpy as np
 
# 生成服从正态分布的随机数
random_numbers = np.random.normal(loc=0, scale=1, size=(3, 3))
 
# 随机打乱数组的顺序
arr = np.array([1, 2, 3, 4, 5])
np.random.shuffle(arr)

import numpy as np
 
arr = np.array([1, 2, 3, 4, 5])
 
# 使用条件表达式创建新数组
new_array = np.where(arr > 2, arr, 0)  # 大于2的元素保留，小于等于2的变为0

import numpy as np
 
# 创建一个示例数组
data = np.array([[1, 2, 3], [4, 5, 6]])
 
# 将数据写入文本文件（以逗号分隔）
np.savetxt('data.txt', data, delimiter=',')
 
# 将数据写入二进制文件
np.save('data.npy', data)
 
# 将数据写入压缩的二进制文件
np.savez('data.npz', arr=data, arr2=data*2)

import numpy as np
 
# 从文本文件读取数据
loaded_data = np.loadtxt('data.txt', delimiter=',')
 
# 从二进制文件读取数据
loaded_data_binary = np.load('data.npy')
 
# 从压缩的二进制文件读取数据
loaded_data_compressed = np.load('data.npz')
data_array = loaded_data_compressed['arr']
data_array2 = loaded_data_compressed['arr2']

import numpy as np
 
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
 
# 沿行方向堆叠两个数组
stacked_array = np.vstack((arr1, arr2))
 
# 沿列方向拼接两个数组
concatenated_array = np.concatenate((arr1, arr2))

Pandas（Python Data Analysis Library）是一个流行的Python库，用于数据处理和分析。它提供了高性能、易用的数据结构和数据分析工具，使得在Python中进行数据清洗、转换、分析和可视化变得更加容易。以下是Pandas的一些主要特点和功能：

1. 数据结构：Pandas引入了两种主要的数据结构，DataFrame 和 Series。

   • DataFrame 是一个二维表格数据结构，类似于电子表格或SQL表，可以容纳多种数据类型的列。每列可以有不同的数据类型。
   • Series 是一个一维标记数组，类似于带有标签的NumPy数组。

2. 数据读取：Pandas可以轻松读取各种数据源，包括CSV、Excel、SQL数据库、JSON、HTML、以及Web API等。

3. 数据清洗和处理：Pandas提供了丰富的数据操作功能，包括缺失值处理、数据合并、重塑、过滤、排序、分组和聚合等。

4. 数据分析：Pandas支持各种数据分析任务，包括统计描述、数据可视化、时间序列分析、数据透视表等。

5. 快速索引：Pandas的 DataFrame 和 Series 可以通过标签或位置进行快速的数据检索和索引。

6. 灵活的数据可视化：Pandas结合了Matplotlib和Seaborn等可视化库，使得数据可视化变得容易。

7. 数据导出：可以将清洗和分析后的数据导出到各种文件格式，包括CSV、Excel、SQL数据库等。

8. 时间序列数据：Pandas对于处理时间序列数据非常强大，可以进行日期和时间的解析、滚动窗口计算等。

9. 高性能：Pandas被设计为高性能数据处理工具，可以处理大型数据集。

10. 广泛的社区支持：由于其流行和广泛使用，Pandas拥有庞大的社区支持和文档资源。

以下是一个简单的示例，演示了如何使用Pandas创建和操作数据：

import pandas as pd
 
# 创建一个DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Ella'],
        'Age': [25, 30, 35, 28, 22],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Miami']}
df = pd.DataFrame(data)
 
# 显示DataFrame的前几行数据
print("DataFrame:")
print(df)
 
# 获取DataFrame的基本信息
print("\nDataFrame Info:")
print(df.info())
 
# 访问列
print("\nAge Column:")
print(df['Age'])
 
# 添加新列
df['Salary'] = [50000, 60000, 75000, 48000, 55000]
 
# 数据过滤
print("\nPeople younger than 30:")
print(df[df['Age'] < 30])
 
# 数据排序
print("\nSorted by Age:")
print(df.sort_values(by='Age'))
 
# 数据聚合
print("\nAverage Salary:")
print(df['Salary'].mean())
 
# 数据分组
grouped = df.groupby('City')
print("\nGrouped by City:")
for city, group in grouped:
    print(city)
    print(group)
 
# 数据导出为CSV文件
df.to_csv('sample_data1.csv', index=False)
 
# 从CSV文件导入数据
imported_df = pd.read_csv('sample_data1.csv')
print("\nImported DataFrame:")
print(imported_df)

import pandas as pd
 
# 从CSV文件读取数据
df = pd.read_csv('data.csv')
 
# 从Excel文件读取数据
df = pd.read_excel('data.xlsx')
 
# 从SQL数据库读取数据
import sqlite3
conn = sqlite3.connect('database.db')
query = "SELECT * FROM table_name"
df = pd.read_sql_query(query, conn)

# 选择DataFrame中的一列
column = df['Column_Name']
 
# 使用条件选择行
filtered_df = df[df['Age'] > 25]
 
# 使用iloc按位置选择数据
selected_data = df.iloc[0:5, 1:3]

# 处理缺失值
df.dropna()  # 删除包含缺失值的行
df.fillna(value)  # 填充缺失值为指定值

# 数据排序
sorted_df = df.sort_values(by='Column_Name', ascending=False)
 
# 数据分组和聚合
grouped = df.groupby('Category')
mean_age = grouped['Age'].mean()

# 将DataFrame保存为CSV文件
df.to_csv('output_data.csv', index=False)
 
# 将DataFrame保存为Excel文件
df.to_excel('output_data.xlsx', index=False)