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
php
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
bash
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:
- 用 pandas 读取 CSV/Excel 数据到 DataFrame
- 用 pandas 进行缺失值处理、筛选、分组等
- 把其中的数值型数据转成 NumPy 数组
- 用 NumPy 进行数值计算或喂给机器学习模型
一个小例子:
python
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。