Numpy、Pandas、Matplotlib三者的利弊分析

Numpy、Pandas、Matplotlib三者的利弊分析

这三个库是使用python进行数据分析中最常用到的，numpy通常用来进行矢量化的计算，pandas通常用来处理结构化的数据，而matplotlib是用来绘制出直观的图表。

numpy底层是用标准C语言实现，补充了python语言所欠缺的数值计算能力,充分优化了python的运行效率，也是其它数据分析及机器学习库的底层库。numpy的基本对象是ndarray，最大的优势在于用它进行多维数组的计算，不用写多重for循环，直接可以进行矢量化的运算。更厉害的是其封装了vectorize函数，可以把处理标量的函数矢量化，极大地提高了计算速度。但是ndarray中的数据类型必须相同，于是有了pandas可以处理不同数据类型的数据集。

pandas是基于numpy的一种工具，该工具是为了解决数据分析任务而创建的，能够高效地操作大型结构化数据集。最常用到的数据结构是里面的Series和DataFrame。可以把Series理解为一个一维的数组，只是index名称可以自己改动。类似于定长的有序字典，有index和value。而DataFrame是一个类似于表格的数据类型，可以理解为一个二维数组，索引有两个维度，可更改。一行一样本，一列一特征。每一行都可以看作一个样本，每一列都可以看作一个Series。通过对其中的行和列执行算术运算，从而得出分析结果。还有一个很好用的功能是用其封装的to_datetime函数转换日期数据类型，支持大多数的日期格式，而且转换后的datetime类型数据支持日期运算。

matplotlib是python的一个绘图库，使用它可以很方便的绘制出版质量级别的图形，通常是配合numpy和pandas一起使用。在拿到一组数据样本后，我一般会用matplotlib绘制出关键的几个特征图，对总体数据有个直观的感受，再根据描述性统计情况(pandas中的describe函数），进行具体的数据处理。在提交数据分析的结果时，会用处理完的数据通过matplotlib绘制出相应的图表以辅助分析。