NumPy、SciPy、Pandas与Matplotlib的读书报告

一、基本函数用法

NumPy（Numerical Python）：

NumPy是Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy的核心理念是将Python中的数据类型统一为多维数组（ndarray），并定义了一系列用于操作这些数组的函数。这使得NumPy在数值计算方面表现出色，特别是在线性代数、统计分析等领域。

numpy.array(): 创建一个多维数组，用于存储数值数据。

numpy.zeros(): 创建一个指定形状的全零数组。

numpy.ones(): 创建一个指定形状的全一数组。

numpy.linspace(): 在指定范围内创建等差数列。

numpy.mean(), numpy.std(): 分别用于计算数组的平均值和标准差。

SciPy（Scientific Python）：

SciPy是建立在NumPy之上的一个开源的Python算法库和数学工具包。SciPy包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理、图像处理、常微分方程求解和其他科学与工程中常用的计算。SciPy的功能非常强大，几乎涵盖了所有科学计算领域，是数据科学家和工程师们不可或缺的工具。

scipy.stats.norm.pdf(): 计算正态分布的概率密度函数值。

scipy.stats.norm.cdf(): 计算正态分布的累积分布函数值。

scipy.stats.ttest_ind(): 对两个独立样本进行 t 检验。

scipy.ndimage中的函数提供了丰富的图像处理功能。

Pandas：

Pandas是一个强大的数据分析工具，它基于NumPy构建，提供了高效且易于使用的数据结构（如Series和DataFrame）和数据分析工具。Pandas使得数据清洗、转换、聚合和可视化等操作变得简单而直观。同时，Pandas还支持多种文件格式（如CSV、Excel、SQL等）的读写操作，极大地提高了数据处理的效率。

pandas.DataFrame(): 创建一个数据表格（DataFrame），用于存储和操作结构化数据。

pandas.Series(): 创建一个一维数组（Series），类似于 Excel 中的一列。

df.head(), df.tail(): 分别显示 DataFrame 的前几行和后几行。

df.groupby(): 对 DataFrame 进行分组操作。

df.merge(), df.join(): 用于合并两个 DataFrame。

Matplotlib：

Matplotlib是一个Python的2D绘图库，它提供了大量的绘图函数和接口，可以用于绘制各种类型的图表，如折线图、散点图、柱状图等。Matplotlib与NumPy和Pandas等库紧密集成，可以方便地将数据分析结果以图表的形式展示出来。此外，Matplotlib还支持多种输出格式（如PNG、PDF、SVG等），满足不同场景下的需求。

matplotlib.pyplot.plot(): 绘制线图。

matplotlib.pyplot.scatter(): 绘制散点图。

matplotlib.pyplot.bar(): 绘制条形图。

matplotlib.pyplot.hist(): 绘制直方图。

使用 plt.figure(), plt.subplot() 等函数可以创建复杂的图表布局。

二、解决一些具体问题

NumPy（Numerical Python）：

解方程组

import numpy as np

A = np.array([[2, 3], [4, 5]])

b = np.array([6, 7])

Ax = b x = np.linalg.solve(A, b)

print("解为：", x)

SciPy（Scientific Python）：

统计分析之概率分布

import numpy as np from scipy import stats

mu, sigma = 0, 0.1

s = np.random.normal(mu, sigma, 1000)

x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100)

pdf_values = stats.norm.pdf(x, mu, sigma)

cdf_values = stats.norm.cdf(x, mu, sigma)

Pandas：

从 CSV 文件中读取数据

import pandas as pd

df = pd.read_csv('filename.csv')

print(df.head())

Matplotlib：

绘制折线图

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]

y = [2, 3, 5, 7, 11]

plt.figure()

plt.plot(x, y)

plt.xlabel('X轴标签')

plt.ylabel('Y轴标签')

plt.title('我的第一个折线图')

plt.show()

三、图像处理

Matplotlib：

绘制折线图