Python基础教程（十一）：11. 数据科学基础

Python 已成为数据科学领域最受欢迎的语言之一。本章将介绍数据科学中最常用的三大基础库：NumPy、Pandas 和 Matplotlib，帮助你建立数据分析的基本能力。

11.1 NumPy 基础

NumPy（Numerical Python）是 Python 进行数值计算的核心库，提供了高效的多维数组对象 ndarray 以及用于操作数组的广泛函数。

11.1.1 创建数组

import numpy as np

a = np.array([1, 2, 3])

b = np.array([[1, 2], [3, 4]])

常见创建方法：

np.zeros((2, 3))       # 创建2x3的零矩阵

np.ones((3, 3))        # 创建3x3的全1矩阵

np.eye(4)              # 创建4x4的单位矩阵

np.arange(0, 10, 2)    # 创建从0到10，步长为2的数组

np.linspace(0, 1, 5)   # 创建5个等间距的点，从0到1

11.1.2 数组操作

a = np.array([[1, 2], [3, 4]])

a.shape     # (2, 2)

a.T         # 转置

a.reshape(4,)  # 重塑为一维数组

11.1.3 数组计算

NumPy 支持广播机制和矢量化运算，使得代码简洁且高效：

a = np.array([1, 2, 3])

b = np.array([4, 5, 6])

a + b       # [5 7 9]

a * 2       # [2 4 6]

a.dot(b)    # 向量点积

11.2 Pandas 基础

Pandas 是用于数据处理和分析的强大工具，主要提供两个核心数据结构：Series（序列） 和 DataFrame（数据框）。

11.2.1 创建 Series 和 DataFrame

import pandas as pd

# Series 一维带标签的数组

s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])

# DataFrame 二维表格结构

df = pd.DataFrame({

    'name': ['Alice', 'Bob', 'Charlie'],

    'age': [25, 30, 35]

})

11.2.2 数据读取与保存

df = pd.read_csv('data.csv')     # 读取CSV文件

df.to_excel('output.xlsx')       # 保存为Excel文件

11.2.3 数据查看与筛选

df.head()                        # 查看前几行

df.describe()                    # 统计描述信息

df['age'] > 28                  # 条件筛选布尔索引

df[df['age'] > 28]              # 筛选年龄大于28的行

11.2.4 常用操作

df['age'].mean()                # 计算平均年龄

df.sort_values(by='age')        # 按照 age 排序

df.groupby('name').mean()       # 分组聚合

11.3 数据可视化（Matplotlib）

Matplotlib 是最基础的可视化库，常与 Pandas、NumPy 搭配使用。

11.3.1 基本绘图

import matplotlib.pyplot as plt

x = [1, 2, 3, 4]

y = [10, 20, 25, 30]

plt.plot(x, y)

plt.title('Line Chart')

plt.xlabel('X Axis')

plt.ylabel('Y Axis')

plt.show()

11.3.2 条形图、散点图与直方图

# 条形图

plt.bar(['A', 'B', 'C'], [5, 7, 3])

plt.title('Bar Chart')

plt.show()

# 散点图

plt.scatter(x, y)

plt.title('Scatter Plot')

plt.show()

# 直方图

data = np.random.randn(1000)

plt.hist(data, bins=30)

plt.title('Histogram')

plt.show()

11.3.3 与 Pandas 联动绘图

df['age'].plot(kind='hist')

plt.title('Age Distribution')

plt.show()

---

本章小结

• NumPy 提供了高效的数组结构和数值计算功能；
• Pandas 是结构化数据处理的核心工具；
• Matplotlib 是基础数据可视化库，可用于创建各种统计图形。

这些工具构成了 Python 数据科学的核心基础，后续还可进一步学习 Seaborn、Scikit-Learn、TensorFlow 等高级库。