Numpy库与Pandas库基础_pandas是numpy库为基础构建的-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_43352957/article/details/105035825

本文介绍了Python数据分析的基础，包括Numpy库的数组和矩阵操作，以及Pandas库的Series和DataFrame数据结构。Numpy提供N维数组对象ndarray，支持数据类型的数组操作和矩阵运算。Pandas的Series类似于一维数组，而DataFrame是表格型数据结构，由共享同一索引的Series组成，适合处理多特征数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

- Numpy
- - 数组操作
  - 矩阵操作
- Pandas

Numpy

全称Numerical Python，支持N维数组对象ndarray。
ndarray是用于存放同类型元素的多维数组；
ndarray中每个元素是数据类型对象的对象（成为dtype）；

数组操作

import numpy as np

#创建数组
a = [1,2,3,4]
b = np.array(a)
c = np.array([[1,2],[3,4]])

np.zeros(3)       #全0一维数组
np.ones(3)   	  #全1一维数组
np.zeros((3,3))   #全0二维数组，3行3列
np.ones((1,3))    #全1二维数组，1行3列
np.identity(3)    #单位矩阵，3行3列

#随机数组
np.random.rand(10,10)      #10行10列，每个数在0-1之间
np.random.uniform(0,100,5)   #[0,100)内的5个数
np.random.randint(0,100)   #[0,100)内的一个整数
np.random.normal(1.75,0.1,(2,3)) #生成2行3列的数组，均值1.75，标准差0.1的正态分布
#另外还有两种生成标准正态分布的函数：
np.random.randn(4,6)   #4行6列
np.random.standard_normal(size=(4,6)) #参数必须是元组类型

#数组属性
x = np.array([[1,2,3],[4,5,6]])
print(x.size)   #6
print(x.ndim)    #2
print(x.shape)  #(2,4)
print(x.itemsize)  #4
print(x.dtype)  #int32

y = x.reshape(3,2)

#数组乘法
x*y   #点积(elementwise)

#索引和切片
#数组切片之后不会复制原数组，而所有操作都会视作在原数组上操作
arr = np.arange(10)
arr_slice = arr[5:8