Python 数据分析三大库：NumPy + Pandas + Matplotlib

一、整体定位

NumPy ：数值计算底层，数组、矩阵、数学运算，是 Pandas 和 Matplotlib 的基础
Pandas ：表格数据分析，处理 Excel/CSV、清洗、筛选、统计、分组
Matplotlib ：数据可视化，画折线、柱状、饼图、直方图等

一、NumPy 核心

作用

高效处理同类型数值数组，运算比原生列表快几十倍，适合矩阵、数值计算。

常用功能

创建数组

python

运行

复制代码

import numpy as np

arr = np.array([1,2,3,4])
# 全0、全1、等差数组
np.zeros(5)
np.ones((2,3))
np.linspace(1,10,5)

数组属性

形状：arr.shape
维度：arr.ndim
类型：arr.dtype

切片、矩阵运算、广播机制
常用统计：np.mean() 均值、np.sum() 求和、np.max() 最大值、np.min() 最小值

二、Pandas 核心（数据分析主力）

两大核心结构：

Series：一维带索引数组
DataFrame：二维表格（Excel 一样）

1. 读写数据

python

运行

复制代码

import pandas as pd

df = pd.read_csv("数据.csv")
# df = pd.read_excel("数据.xlsx")

2. 基础查看

python

运行

复制代码

df.head()      # 前5行
df.tail()      # 后5行
df.info()      # 结构、缺失值
df.describe()  # 统计摘要
df.columns     # 列名

3. 数据筛选

python

运行

复制代码

# 选列
df["姓名"]
# 条件筛选
df[df["成绩"] > 60]

4. 缺失值处理

python

运行

复制代码

df.dropna()    # 删除空值
df.fillna(0)   # 填充空值

5. 分组聚合

python

运行

复制代码

# 按班级分组求平均分
df.groupby("班级")["成绩"].mean()

6. 新增列、排序、去重

python

运行

复制代码

df["总分"] = df["语文"] + df["数学"]
df.sort_values("成绩",ascending=False)
df.drop_duplicates()

三、Matplotlib 核心（画图）

基础导入

python

运行

复制代码

import matplotlib.pyplot as plt

常用图表

折线图：趋势变化

python

运行

复制代码

x = [1,2,3,4]
y = [10,20,15,30]
plt.plot(x,y)
plt.show()

柱状图：对比大小

python

运行

复制代码

plt.bar(x,y)
plt.show()

饼图：占比

python

运行

复制代码

plt.pie(y,labels=x)
plt.show()

直方图：数据分布

python

运行

复制代码

plt.hist(y)
plt.show()

通用配置

python

运行

复制代码

plt.title("标题")
plt.xlabel("X轴")
plt.ylabel("Y轴")
plt.legend()   # 图例
plt.grid()     # 网格

四、三者关系一句话

NumPy 提供底层数值数组
Pandas 基于 NumPy 做表格数据处理
Matplotlib 把 Pandas/NumPy 数据可视化出图