Pandas 与 NumPy：数据分析中的黄金搭档

在数据分析和科学计算的世界里，NumPy 和 pandas 是两个最常用的 Python 库。很多初学者会有疑问：这两个库到底有什么区别？什么时候该用 NumPy，什么时候该用 pandas？本文就带你深入了解它们的定位与联系。

---

一、NumPy：数值计算的基石

1. 什么是 NumPy？

NumPy（Numerical Python）是 Python 科学计算的核心库，它提供了一个高效的 多维数组对象 ndarray，并在其上构建了大量数学运算函数。

一句话总结：

NumPy = 高性能数组 + 科学计算工具箱

2. NumPy 的特点

• 高性能：基于 C 实现，运算速度远超 Python 原生的 list
• 向量化计算：摆脱 for 循环，一行代码即可批量运算
• 矩阵与线性代数：天然支持矩阵、张量、傅里叶变换等

3. NumPy 小例子

import numpy as np

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

# 向量化计算
print(arr * 2)     # [ 2  4  6  8 10]
print(arr + 10)    # [11 12 13 14 15]

# 矩阵
mat = np.array([[1, 2, 3],
                [4, 5, 6]])
print(mat.T)       # 转置

NumPy 更适合处理 纯数值型数据，比如矩阵运算、统计学建模、图像处理等场景。

---

二、pandas：数据分析的利器

1. 什么是 pandas？

pandas 是在 NumPy 基础上开发的，提供了更高级的数据结构：

• Series（一维，类似字典 + 数组）
• DataFrame（二维，类似 Excel 表格或 SQL 表）

一句话总结：

pandas = 带标签的表格数据处理工具

2. pandas 的特点

• 行列索引：像操作 Excel 一样处理数据
• 数据清洗：轻松处理缺失值、重复值、数据类型转换
• 数据分析：分组统计、透视表、聚合计算
• 数据导入导出：支持 CSV、Excel、SQL、JSON 等格式

3. pandas 小例子

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35],
    'city': ['Beijing', 'Shanghai', 'Shenzhen']
}

df = pd.DataFrame(data)

# 筛选
print(df[df['age'] > 28])

# 分组聚合
print(df.groupby('city')['age'].mean())

# 导出
df.to_csv('result.csv', index=False)

pandas 更适合处理 带标签的表格数据，尤其是来自 CSV、Excel 或数据库的数据。

---

三、NumPy vs pandas：如何选择？

特点	NumPy 🧮	pandas 🐼
数据结构	ndarray（多维数组）	Series / DataFrame（带索引的表格）
适用数据类型	数值型为主	混合型（数值、字符串、日期等）
功能定位	高效数学计算	数据清洗与分析
典型场景	矩阵运算、线性代数、图像处理	表格型数据、CSV/Excel/SQL 分析
底层关系	基础库	构建于 NumPy 之上

简单来说：

• NumPy 是基础 → 专注数值计算
• pandas 是升级版 → 在 NumPy 的数组上，加上了行列索引和更多数据分析功能

---

四、为什么说它们是黄金搭档？

在真实项目中，你会经常这样用：

1. 用 pandas 读取 CSV/Excel 数据到 DataFrame
2. 用 pandas 进行缺失值处理、筛选、分组等
3. 把其中的数值型数据转成 NumPy 数组
4. 用 NumPy 进行数值计算或喂给机器学习模型

一个小例子：

import pandas as pd
import numpy as np

# 读取数据
df = pd.read_csv('students.csv')

# 筛选成绩列，并转成 NumPy
scores = df['score'].to_numpy()

# 计算平均分
print("平均分：", np.mean(scores))

---

五、总结

• NumPy：适合做底层的数值运算，矩阵/数组计算的效率神器
• pandas：适合做上层的数据分析，处理表格数据的万能工具
• 联系：pandas 底层就是用 NumPy 数组存数据，两者互补

所以，当你在项目里处理数据时：

• 如果你的数据是 纯数值型矩阵 → 直接用 NumPy
• 如果你的数据是 表格型、带标签的混合数据 → 选择 pandas

它们就像是数据科学中的两把瑞士军刀，一个打底，一个收尾，合在一起无敌。