数据分析三件套：Numpy、Pandas、Matplotlib

目录一、 环境准备与安装1.1 确认Python环境1.2 使用pip一键安装1.3 验证安装是否成功二、 NumPy数组计算的基石2.1 什么是NumPy2.2 创建数组的四种方式2.3 数组的常用操作2.3.1 形状操作2.3.2 数学运算2.3.3 索引与切片2.4 NumPy小练习统计考试成绩三、Pandas数据分析的灵魂3.1 Pandas核心数据结构3.2 创建DataFrame3.3 数据查看与基本信息3.4 添加/修改列3.5 缺失值处理3.6 分组与聚合类似SQL的GROUP BY3.7 读取与保存文件CSV/Excel四、 Matplotlib数据可视化利器4.1 快速上手第一个折线图4.2 四种常用图表类型及代码4.2.1 柱状图Bar Chart4.2.2 直方图Histogram4.2.3 散点图Scatter Plot4.2.4 饼图Pie Chart4.3 子图布局一图多画4.4 中文字体显示问题解决方案五、 完整的数据分析案例5.1 生成模拟数据5.2 数据清洗与整理5.3 数据聚合分析5.4 可视化展示5.5 输出一、 环境准备与安装1.1 确认Python环境在安装三件套之前请确保你的电脑已经安装了Python推荐3.8及以上版本。打开命令行Windows用cmd或PowerShellMac/Linux用终端输入python --version如果显示版本号说明Python已安装如果没有去Python官网下载安装即可。——https://www.python.org/downloads/1.2 使用pip一键安装最常用的方法是使用pip包管理器。由于三个库经常一起使用我们可以一次性安装pip install numpy pandas matplotlib小提示如果下载速度慢可以换成国内镜像源例如清华源pip install numpy pandas matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple1.3 验证安装是否成功安装完成后进入Python交互环境输入python回车依次导入三个库不报错即为成功python import numpy as np import pandas as pd import matplotlib.pyplot as plt print(安装成功)如果输出了安装成功恭喜你环境已经搭建好了二、 NumPy数组计算的基石2.1 什么是NumPyNumPyNumerical Python是Python科学计算的核心库。它提供了高性能的多维数组对象ndarray以及大量的数学函数。简单说Python原生列表能做100件事NumPy数组能做10000件事而且快10倍以上。2.2 创建数组的四种方式python import numpy as np # 方法1从列表创建 a np.array([1, 2, 3, 4, 5]) print(一维数组:, a) # 方法2全0数组 b np.zeros((2, 3)) # 2行3列 print(全0数组:\n, b) # 方法3全1数组 c np.ones((2, 2)) print(全1数组:\n, c) # 方法4范围数组类似range d np.arange(0, 10, 2) # 0到10步长2 print(arange:, d)2.3 数组的常用操作2.3.1 形状操作python arr np.array([[1,2,3], [4,5,6]]) print(原数组形状:, arr.shape) # (2, 3) # 改变形状reshape arr_2d arr.reshape(3, 2) print(reshape后:\n, arr_2d) # 展平为一维 arr_flat arr.flatten() print(展平后:, arr_flat)2.3.2 数学运算python x np.array([1, 2, 3]) y np.array([4, 5, 6]) # 逐元素运算 print(加法:, x y) # [5 7 9] print(乘法:, x * y) # [4 10 18] print(平方:, x ** 2) # [1 4 9] # 通用函数ufunc print(开方:, np.sqrt(x)) # [1. 1.414 1.732] print(求和:, np.sum(x)) # 6 print(均值:, np.mean(x)) # 2.02.3.3 索引与切片python arr np.array([[1,2,3], [4,5,6], [7,8,9]]) # 取第一行 print(arr[0, :]) # [1 2 3] # 取第二列 print(arr[:, 1]) # [2 5 8] # 切片前两行后两列 print(arr[:2, 1:3]) # [[2 3] [5 6]]2.4 NumPy小练习统计考试成绩python # 假设5位学生的数学成绩 scores np.array([85, 92, 78, 90, 88]) print(f最高分: {np.max(scores)}) print(f最低分: {np.min(scores)}) print(f平均分: {np.mean(scores):.2f}) print(f标准差: {np.std(scores):.2f}) # 衡量离散程度 # 输出 最高分: 92 最低分: 78 平均分: 86.60 标准差: 4.71NumPy的速度优势来自底层C语言实现当你需要处理大量数值计算时一定要优先使用NumPy而不是Python循环。三、Pandas数据分析的灵魂3.1 Pandas核心数据结构Pandas基于NumPy构建提供了两个超级好用的数据结构Series带标签的一维数组类似带行索引的列DataFrame带标签的二维表格像Excel工作表3.2 创建DataFramepython import pandas as pd # 从字典创建 data { 姓名: [张三, 李四, 王五, 赵六], 年龄: [23, 25, 22, 24], 城市: [北京, 上海, 广州, 深圳], 工资: [8000, 9500, 7200, 8800] } df pd.DataFrame(data) print(df) # 输出 姓名 年龄 城市 工资 0 张三 23 北京 8000 1 李四 25 上海 9500 2 王五 22 广州 7200 3 赵六 24 深圳 88003.3 数据查看与基本信息python # 工资大于8500的人 high_salary df[df[工资] 8500] print(high_salary) # 年龄小于24且工资大于7500 filtered df[(df[年龄] 24) (df[工资] 7500)] print(filtered)3.4 添加/修改列python # 添加年终奖列工资的1.5倍 df[年终奖] df[工资] * 1.5 # 修改城市北京 - 首都 df.loc[df[城市] 北京, 城市] 首都 print(df)3.5 缺失值处理现实数据经常有缺失值Pandas提供了强大的处理工具python import numpy as np # 构造带缺失值的数据 df_missing pd.DataFrame({ A: [1, 2, np.nan, 4], B: [5, np.nan, np.nan, 8], C: [9, 10, 11, 12] }) print(原始数据:\n, df_missing) # 检测缺失值 print(缺失值统计:\n, df_missing.isnull().sum()) # 方法1删除缺失行 df_drop df_missing.dropna() print(删除缺失行后:\n, df_drop) # 方法2填充缺失值用列均值填充 df_fill df_missing.fillna(df_missing.mean()) print(用均值填充后:\n, df_fill)3.6 分组与聚合类似SQL的GROUP BYpython # 创建示例数据 df_sales pd.DataFrame({ 部门: [销售, 技术, 销售, 技术, 市场], 员工: [A, B, C, D, E], 销售额: [100, 200, 150, 300, 250] }) # 按部门分组计算总销售额 grouped df_sales.groupby(部门)[销售额].sum() print(grouped) # 输出 部门 市场 250 技术 500 销售 250 Name: 销售额, dtype: int643.7 读取与保存文件CSV/Excelpython # 读取CSV文件 df pd.read_csv(data.csv) # 读取Excel文件需要安装openpyxl或xlrd df pd.read_excel(data.xlsx, sheet_nameSheet1) # 保存为CSV df.to_csv(output.csv, indexFalse) # 保存为Excel df.to_excel(output.xlsx, indexFalse)Pandas还能处理时间序列、合并连接merge/concat、数据透视表pivot_table等高级功能本文只介绍最常用的后续再单独介绍四、 Matplotlib数据可视化利器4.1 快速上手第一个折线图python import matplotlib.pyplot as plt # 数据 x [1, 2, 3, 4, 5] y [2, 4, 6, 8, 10] # 创建图形 plt.plot(x, y, markero, linestyle-, colorb, labely2x) # 添加标签和标题 plt.xlabel(X轴) plt.ylabel(Y轴) plt.title(简单折线图示例) plt.legend() # 显示图形 plt.show()4.2 四种常用图表类型及代码4.2.1 柱状图Bar Chart适合比较不同类别的数值。python categories [苹果, 香蕉, 橙子, 葡萄] values [30, 45, 38, 52] plt.bar(categories, values, color[red, orange, orange, purple]) plt.title(水果销量统计) plt.xlabel(水果) plt.ylabel(销量kg) plt.show()4.2.2 直方图Histogram适合查看数值分布如年龄分布、分数分布。python import numpy as np # 生成1000个服从正态分布的随机数 data np.random.randn(1000) plt.hist(data, bins30, edgecolorblack, alpha0.7) plt.title(正态分布直方图) plt.xlabel(数值) plt.ylabel(频数) plt.show()4.2.3 散点图Scatter Plot适合观察两个变量之间的关系。python # 身高(cm) vs 体重(kg) height [158, 162, 170, 175, 180, 165, 169, 172] weight [52, 55, 63, 70, 78, 58, 62, 68] plt.scatter(height, weight, s100, cred, markero) plt.title(身高体重散点图) plt.xlabel(身高(cm)) plt.ylabel(体重(kg)) plt.grid(True) plt.show()4.2.4 饼图Pie Chart适合展示占比。python sizes [25, 35, 20, 20] labels [Python, Java, C, JavaScript] explode (0.05, 0, 0, 0) # 突出第一块 plt.pie(sizes, explodeexplode, labelslabels, autopct%1.1f%%, startangle90) plt.title(编程语言使用比例) plt.axis(equal) # 保证饼图是正圆 plt.show()4.3 子图布局一图多画python # 创建2行2列的子图 fig, axes plt.subplots(2, 2, figsize(10, 8)) # 子图1折线图 axes[0,0].plot([1,2,3], [1,4,9]) axes[0,0].set_title(折线图) # 子图2柱状图 axes[0,1].bar([A,B,C], [3,7,5]) axes[0,1].set_title(柱状图) # 子图3散点图 axes[1,0].scatter([1,2,3], [5,6,7]) axes[1,0].set_title(散点图) # 子图4直方图 axes[1,1].hist(np.random.randn(100), bins20) axes[1,1].set_title(直方图) plt.tight_layout() # 自动调整间距 plt.show()4.4 中文字体显示问题解决方案Matplotlib默认字体不支持中文会显示成小方块。解决方法python # 方法一全局设置推荐 plt.rcParams[font.sans-serif] [SimHei] # 黑体 plt.rcParams[axes.unicode_minus] False # 解决负号显示问题 # 方法二临时指定用于单个标签 plt.xlabel(年龄, fontpropertiesSimHei)如果SimHei不行可以换成[Microsoft YaHei]或[KaiTi]也可以使用系统可用字体python import matplotlib.font_manager as fm # 查看所有可用字体 fonts [f.name for f in fm.fontManager.ttflist] print(fonts)五、 完整的数据分析案例场景某公司销售数据分析不同地区的销售额情况并可视化。5.1 生成模拟数据python import numpy as np import pandas as pd import matplotlib.pyplot as plt # 设置中文显示 plt.rcParams[font.sans-serif] [SimHei] # 生成100条销售记录 np.random.seed(42) # 固定随机种子保证结果可重复 regions [华北, 华东, 华南, 西南, 西北] products [产品A, 产品B, 产品C] data { 日期: pd.date_range(2024-01-01, periods100, freqD), 地区: np.random.choice(regions, 100), 产品: np.random.choice(products, 100), 销售额: np.random.randint(500, 5000, 100), 客户数: np.random.randint(5, 100, 100) } df pd.DataFrame(data) print(df.head())5.2 数据清洗与整理python # 检查缺失值 print(缺失值情况\n, df.isnull().sum()) # 假设销售额有2个异常值大于4500我们将其替换为均值 mean_sales df[销售额].mean() df.loc[df[销售额] 4500, 销售额] mean_sales # 新增列客单价 销售额 / 客户数 df[客单价] df[销售额] / df[客户数]5.3 数据聚合分析python # 按地区统计总销售额和平均客单价 region_stats df.groupby(地区).agg({ 销售额: sum, 客单价: mean, 客户数: sum }).round(2).reset_index() print(region_stats) # 输出示例 | 地区 | 销售额 | 客单价 | 客户数 | |------|--------|--------|--------| | 华东 | 148230 | 68.23 | 2450 | | 华南 | 132110 | 72.15 | 1980 | | 华北 | 112300 | 55.67 | 2100 | | 西北 | 98500 | 45.89 | 1700 | | 西南 | 107660 | 60.44 | 1880 |5.4 可视化展示python fig, axes plt.subplots(1, 2, figsize(14, 5)) # 各地区销售额柱状图 axes[0].bar(region_stats[地区], region_stats[销售额], colorskyblue) axes[0].set_title(各地区总销售额对比) axes[0].set_xlabel(地区) axes[0].set_ylabel(销售额元) for i, v in enumerate(region_stats[销售额]): axes[0].text(i, v2000, str(int(v)), hacenter) # 各地区平均客单价折线图 axes[1].plot(region_stats[地区], region_stats[客单价], markero, linewidth2, markersize8) axes[1].set_title(各地区平均客单价) axes[1].set_xlabel(地区) axes[1].set_ylabel(客单价元) axes[1].grid(True, linestyle--, alpha0.6) plt.tight_layout() plt.show()5.5 输出python best_region region_stats.loc[region_stats[销售额].idxmax(), 地区] print(f销售额最高的地区是{best_region}) high_customer region_stats.loc[region_stats[客单价].idxmax(), 地区] print(f客单价最高的地区是{high_customer}) 这样一个从数据生成、清洗、分析到可视化的完整流程就完成了是不是很有成就感如果这篇文章du对你有帮助欢迎点赞、收藏、关注哦