PYTHON（数据分析）numpy | pandas | matplotlib

最新推荐文章于 2025-07-22 19:47:00 发布

原创

最新推荐文章于 2025-07-22 19:47:00 发布 · 459 阅读

0 ·

CC 4.0 BY-SA版权

这篇博客详细介绍了使用numpy进行数值计算，pandas进行数据处理，以及matplotlib进行数据可视化的实践代码，涵盖了从基础操作到进阶技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、numpy

练习代码

##########numpy提供了进行数组和矩阵的运算的方法

import numpy as np
a=[1,2,3,4]
b=np.array(a)

########创建简单数组

b.size

b.shape

b.ndim    #######维度

b.dtype

array_one = np.ones([10,10])    ######创建10行10列的1的数组

array_one

array_zero = np.zeros([10,10])

array_zero

ones = np.array(array_one)      #### 数组的浅复制

ones

one2 = np.asarray(array_one)           ####数组的深复制

one2

######随机数组的创建

np.random.rand(10,10)    ##创建10行10列1以内的数组

np.random.randint(0,100)  ####得到指定范围的一个整数

np.random.uniform(0,100)   #####得到指定范围的一个浮点数

np.random.normal(1.75,0.1,(2,3)) ####指定数组的均值，方差和维度来建立一个数组

arr = np.random.normal(1.75,0.1,(4,5))

print(arr)

after_arr = arr[1:3,2:4]        ####二维数组的索引切片

print(after_arr)

one_20 = np.ones([20])

print(one_20)

after_one20 = one_20.reshape(4,5)  ###数组重新改变形状，就是改变维度

print(after_one20)

########numpy的计算 重要

stus_score=np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]])

print(stus_score)

####条件计算

stus_score>80

np.where(stus_score<80,0,90)

####计算指定行列的最大最小值等（统计运算）

result=np.amax(stus_score,axis=0)

print(result)

result=np.amax(stus_score,axis=1)

print(result)

print(np.mean(stus_score,axis=1))

print(np.amin(stus_score,axis=1))

print(np.std(stus_score,axis=0))

####数组运算

stus_score=np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]])

print(stus_score)

stus_score[:,0]=stus_score[:,0]+5   #######数组的加法

print(stus_score)

stus_score[:,0]=stus_score[:,0]*0.5  ####乘法

print(stus_score)

#######矩阵运算   重要

stus_score=np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]])

q = np.array([[0.4],[0.6]])

result=np.dot(stus_score,q) #####根据加权计算一个学生的成绩

print(result)

print("v1为:")
v1 = [[0, 1, 2, 3, 4, 5],
      [6, 7, 8, 9, 10, 11]]
print(v1)
print("v2为:")
v2 = [[12, 13, 14, 15, 16, 17], 
      [18, 19, 20, 21, 22, 23]]
print(v2)

result=np.vstack((v1,v2))   #####矩阵的垂直拼接

print(result)

print(np.hstack((v1,v2)))   ##3矩阵的水平拼接

result=np.genf