我的小屋

一、NumPy 基础：高效数值计算#

NumPy 是 Python 科学计算的基础库，提供了高性能的多维数组对象和丰富的数学函数。与 Python 原生的列表相比，NumPy 数组在运算速度上有质的飞跃。

1
import numpy as np
2

3
# 创建数组
4
arr = np.array([1, 2, 3, 4, 5])
5
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
6

7
# 基本运算
8
print(arr * 2)        # [2, 4, 6, 8, 10]
9
print(arr.mean())     # 3.0
10
print(matrix.shape)   # (3, 3)
11

12
# 随机数生成
13
random_arr = np.random.randn(3, 3)  # 3x3 标准正态分布矩阵

NumPy 的核心优势在于向量化运算——你不需要写 for 循环就能对整个数组进行批量操作。这不仅让代码更简洁，而且在底层通过 C 语言实现，运算效率远高于纯 Python 代码。理解 NumPy 的数组切片、广播机制和线性代数操作，是深入学习数据分析的基础。

二、Pandas：数据处理的瑞士军刀#

Pandas 是基于 NumPy 构建的数据分析库，提供了两种核心数据结构：Series（一维）和 DataFrame（二维表格）。DataFrame 就像 Excel 表格，但功能要强大得多。

1
import pandas as pd
2

3
# 创建 DataFrame
4
data = {
5
    '姓名': ['张三', '李四', '王五', '赵六'],
6
    '年龄': [20, 21, 19, 22],
7
    '成绩': [85, 92, 78, 95]
8
}
9
df = pd.DataFrame(data)
10

11
# 查看数据
12
print(df.head())          # 显示前 5 行
13
print(df.describe())      # 统计摘要
14
print(df['成绩'].mean())  # 平均成绩
15

16
# 数据筛选
17
high_score = df[df['成绩'] > 85]
18
print(high_score)

Pandas 最强大的功能是数据清洗和转换。你可以轻松处理缺失值（使用 dropna() 或 fillna()）、删除重复行、合并多个数据表、进行分组聚合等操作。掌握 Pandas，你就掌握了数据处理的核心技能。

三、Matplotlib：让数据会说话#

数据可视化是数据分析的重要环节，而 Matplotlib 是 Python 中最经典的可视化库。通过图表，数据中的规律和趋势一目了然。

1
import matplotlib.pyplot as plt
2

3
# 折线图
4
x = [1, 2, 3, 4, 5]
5
y = [2, 4, 6, 8, 10]
6
plt.plot(x, y, marker='o', label='增长趋势')
7
plt.xlabel('月份')
8
plt.ylabel('数量')
9
plt.title('数据增长趋势图')
10
plt.legend()
11
plt.savefig('trend.png')
12
plt.show()
13

14
# 柱状图
15
categories = ['Python', 'Java', 'C++', 'JavaScript']
16
values = [85, 72, 65, 78]
17
plt.bar(categories, values, color=['#667eea', '#764ba2', '#f093fb', '#f5576c'])
18
plt.title('编程语言受欢迎程度')
19
plt.show()

除了基础的折线图和柱状图，Matplotlib 还支持散点图、饼图、热力图等多种图表类型。配合 Seaborn 库可以创建更加精美的统计图表。记住，好的可视化不仅要准确展示数据，还要让观众能够快速理解你想传达的信息。

四、实战：真实数据清洗示例#

在实际项目中，原始数据往往是”脏”的——有缺失值、格式不统一、存在异常值等。以下是我在池州学院校园数据项目中处理数据的一些经验：

首先，用 df.info() 和 df.isnull().sum() 检查数据的基本信息和缺失情况。对于数值型列的缺失值，可以用均值或中位数填充；对于分类列，可以用众数填充或者直接标记为”未知”。对于异常值，可以通过 IQR（四分位距）方法或 Z-score 方法来检测和处理。

其次，数据类型转换也很常见。日期字符串需要转换为 datetime 对象，字符串分类需要编码为数值等。Pandas 提供了 pd.to_datetime()、.astype() 等方法来处理这些转换。最后，记得检查处理后的数据是否合理，不要盲目地应用转换操作。

五、Jupyter Notebook：数据分析的最佳伙伴#

如果你还没有使用过 Jupyter Notebook，那一定要试试。它是一个交互式的编程环境，允许你在”单元格”中运行代码，并实时查看结果。特别适合数据分析场景——你可以一边写代码，一边查看数据的形状、统计信息和可视化结果。

安装 Jupyter 非常简单：pip install notebook，然后运行 jupyter notebook 即可启动。Jupyter 支持 Markdown 语法，你可以在代码单元格之间插入文字说明，形成完整的数据分析报告。这也是很多数据科学家日常工作的主要工具。

建议的分析流程是：导入数据 → 数据探索（查看形状、类型、缺失值）→ 数据清洗 → 数据分析与可视化 → 结论与建议。每一步都在一个或多个单元格中完成，最终形成一个可复现的分析流程。

总结#

Python 数据分析的学习路径大致是：先掌握 NumPy 的数组操作，再学习 Pandas 的数据处理，然后用 Matplotlib/Seaborn 进行可视化，最后在 Jupyter Notebook 中完成完整的分析项目。这三个库是数据分析的”三驾马车”，掌握它们就等于打开了数据分析的大门。

数据分析是一项需要不断练习的技能。建议找一些公开数据集（如 Kaggle 上的数据集）来做练习，从简单的 EDA（探索性数据分析）开始，逐步挑战更复杂的项目。