认识Numpy和Pandas

一 Numpy和Pandas的比较

1 相同点

首先，Numpy 和Pandas的相同点，我们都知道，即：

• Numpy和Pandas都是Python的第三方库，用于数据处理和分析。
• 它们都提供了高效的数据结构和函数，可以处理大规模数据。
• Numpy和Pandas都支持向量化操作，可以对整个数组或数据框进行快速计算。
• 它们都具有广泛的功能和方法，可以进行数据的读取、转换、筛选、聚合等操作。

2 不同点

• 应用不同

1. Numpy主要用于数值计算和科学计算，提供了多维数组对象（ndarray）和相关的数学函数；
2. 而Pandas则更适用于数据处理和分析，提供了数据框（DataFrame）和序列（Series）等数据结构；

• 数据结构不同

1. Numpy的数据结构是多维数组，适用于处理数值型数据；
2. 而Pandas的数据结构更灵活，可以处理不同类型的数据，包括数值型、字符串型、时间序列等；一维数据结构为series，多维是dataframe

• 操作不同

1. Numpy的操作更底层，更适合进行数值计算和数组操作；
2. 而Pandas提供了更高级的数据操作和分析功能，例如数据的合并、重塑、分组、透视等；

• 性能不同

1. Numpy的性能更高，适用于处理大规模的数值计算；
2. 而Pandas的性能相对较低，但更适合处理结构化的数据和进行数据分析。

二 代码实现

1 Numpy代码实例

import numpy as np

# 创建一个一维数组
arr = np.array([1, 2, 3, 4, 5])

# 对数组进行操作
result = arr + 1

# 打印
print(result)

2 Pandas代码实例

import pandas as pd

# 创建一个数据框
data = {
    'name': ['tom', 'john', 'mike'],
    'age': [18, 25, 17],
    'city': ['New York', 'London', "Pairs"]
}
# 转为数据框
df = pd.DataFrame(data)

result = df[df['age'] > 20]
print(result)