NumPy, SciPy, Pandas, 和 Matplotlib 读书报告

2301_80854017

已于 2024-06-03 20:31:03 修改

阅读量547

点赞数 6

文章标签： numpy scipy pandas

于 2024-06-03 20:22:19 首次发布

本文链接：https://blog.csdn.net/2301_80854017/article/details/139411851

版权

一、初识NumPy, SciPy, Pandas, 和 Matplotlib

随着数据科学的快速发展，Python已经成为这一领域的重要工具之一。在Python的众多库中，NumPy、SciPy、Pandas和Matplotlib是数据分析、科学计算和可视化中不可或缺的四个库。本报告旨在概述这四个库的基本功能、应用场景以及它们之间的关联。

二、NumPy

NumPy（Numerical Python）是Python中用于进行数值计算的基础库。它提供了高性能的多维数组对象，以及用于操作这些数组的函数。NumPy数组是固定大小的同类型元素的集合，这使得对大量数据的操作变得高效。NumPy还支持复杂的数学函数、线性代数运算、随机数生成等功能。

应用场景：NumPy在数据分析、机器学习、图像处理等领域有着广泛的应用。例如，在数据分析中，可以使用NumPy进行数据的预处理、转换和聚合等操作。

三、SciPy

SciPy是基于NumPy构建的开源Python库，用于数学、科学和工程计算。它包含了大量用于数学运算、统计、优化、信号处理等领域的函数和模块。SciPy的功能强大且多样，能够处理从简单线性代数到复杂积分的一系列问题。

应用场景：SciPy在数据分析、物理建模、信号处理等领域具有重要地位。例如，在信号处理中，可以使用SciPy的滤波器设计函数来处理信号中的噪声和干扰。

四、Pandas

Pandas是一个提供强大数据处理和分析功能的Python库。它提供了DataFrame和Series两种数据结构，用于存储和操作表格型数据。Pandas支持数据清洗、转换、聚合、可视化等多种操作，并提供了丰富的接口与其他库（如NumPy、SciPy、Matplotlib）进行交互。

应用场景：Pandas在数据分析、数据科学、机器学习等领域有着广泛的应用。例如，在数据科学项目中，可以使用Pandas进行数据清洗和预处理，为后续的建模和分析提供高质量的数据。

五、Matplotlib

Matplotlib是一个用于绘制静态、动态和交互式图形的Python库。它提供了丰富的绘图函数和工具，支持多种图形类型（如折线图、散点图、柱状图等）和自定义样式。Matplotlib与NumPy、Pandas等库紧密集成，使得数据可视化变得简单而高效。

应用场景：Matplotlib在数据分析、科学研究、工程应用等领域有着广泛的应用。例如，在数据分析中，可以使用Matplotlib绘制各种图表来展示数据的特征和规律。

NumPy基本函数用法：

数组变换
- .reshape(shape): 不改变当前数组，按照新的形状重新组织数组元素。
- .resize(shape): 改变当前数组的形状和大小。
- .swapaxes(ax1, ax2): 交换数组的两个轴。
- .flatten(): 将数组降维为一维数组。
数组运算
- np.abs(a): 计算数组a中各元素的绝对值。
- np.sqrt(a): 计算数组a中各元素的平方根。
- np.square(a): 计算数组a中各元素的平方。

SciPy基本函数用法：

stats.describe(X): 计算输入数组X的描述性统计量，包括均值、方差、标准差等。
stats.relfreq(a, numbins=10): 计算相对频率直方图，展示每个区间内观测值占总观测值比例。

Pandas基本函数用法：

数据查看
- df['A'].value_counts(): 查看DataFrame中某一列不同值的计数。
- df['A'].unique(): 查看DataFrame中某一列的唯一值。
- df.duplicated(): 检查DataFrame中的重复行。
数据排序
- df.sort_values(by='A'): 对DataFrame按照某一列进行升序排序。
- df.sort_values(by='A', ascending=False): 对DataFrame按照某一列进行降序排序。

Matplotlib基本函数用法：

plot(): 绘制线图。
scatter(): 绘制散点图。
bar(): 绘制条形图。
hist(): 绘制直方图。
xlabel(), ylabel(), title(): 设置x轴、y轴标签和图形标题。
legend(): 设置图例。
xlim(), ylim(): 设置x轴、y轴的范围。

五．解决具体问题：

绘制三角函数

分析上述代码

import numpy as np: 导入NumPy库，并用np作为别名。NumPy是Python中用于数值计算的主要库，特别是用于处理大型多维数组和矩阵。

import matplotlib.pyplot as plt: 导入Matplotlib的pyplot模块，并用plt作为别名。Matplotlib是一个用于绘制图形和可视化的Python库，pyplot是Matplotlib的一个接口，它提供了类似MATLAB的绘图框架。

定义x的范围和y的表达式:

x = np.linspace(0, 6, 100): 使用np.linspace函数在0到6之间均匀地创建100个点（包括0和6），并将这些点存储在数组x中。

y = np.cos(2 * np.pi * x) * np.exp(-x) + 0.8: 这里定义了y的表达式，它是x的函数。具体来说，这个函数首先计算2 * np.pi * x，然后取余弦（np.cos），接着乘以x的指数衰减（np.exp(-x)），最后加上0.8。这个函数将产生一个在0到6之间变化的y值数组。

绘制图形:

plt.plot(x, y, color='r', linewidth=3, linestyle="-"): 使用plt.plot函数绘制x和y之间的函数关系。这里指定了几个参数：

- - color='r': 设置线条颜色为红色。
  - linewidth=3: 设置线条宽度为3。
  - linestyle="-": 设置线条样式为实线
  - 显示图形:

plt.show(): 调用这个函数将绘制好的图形在屏幕上显示出来。

绘制带标签的坐标系

分析上述代码

import matplotlib.pyplot as plt: 导入 matplotlib 的 pyplot 模块，并为其设置别名 plt。这个模块提供了 MATLAB 风格的接口，用于绘制图形。

import matplotlib: 导入 matplotlib 模块，尽管在这个例子中并没有直接使用这个模块（除了 rcParams）matplotlib.rcParams['font.family']='SimHei': 设置默认字体为“SimHei”。这通常是为了确保中文字符能够正常显示matplotlib.rcParams['font.sans-serif'] = ['SimHei']: 设置无衬线字体为“SimHei”。这个设置和上一个设置一起，通常用于确保中文字符在图形中能够正确显示。