目录

二、环境搭建与库安装

三、NumPy：科学计算基础

3.1 数组创建与操作

3.2 数组运算与广播

四、Pandas：数据处理利器

4.1 DataFrame基础操作

4.2 数据清洗与预处理

4.3 数据分组与聚合

五、Matplotlib：数据可视化

5.1 基础图表绘制

5.2 高级可视化技巧

六、实战案例：销售数据分析

6.1 数据准备

6.2 数据分析与可视化

七、性能优化技巧

7.1 向量化操作

7.2 内存优化

八、核心功能对比表

九、总结

十、参考文献

---

Python作为数据科学领域的主流语言，其强大的数据分析生态系统备受青睐。本文将深入探讨三大核心库：Pandas（数据处理）、NumPy（数值计算）、Matplotlib（数据可视化）的完整使用指南。

二、环境搭建与库安装

首先确保安装必要的库：

# 安装核心数据分析库
pip install pandas numpy matplotlib seaborn jupyter

# 或者使用conda安装
conda install pandas numpy matplotlib

三、NumPy：科学计算基础

3.1 数组创建与操作

import numpy as np

# 创建数组
arr1 = np.array([1, 2, 3, 4, 5])
arr2 = np.arange(0, 10, 2)  # [0, 2, 4, 6, 8]
arr3 = np.linspace(0, 1, 5)  # [0., 0.25, 0.5, 0.75, 1.]

# 多维数组
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
zeros = np.zeros((3, 3))  # 3x3零矩阵
ones = np.ones((2, 4))    # 2x4单位矩阵

print("数组形状:", arr1.shape)
print("数组维度:", arr1.ndim)

3.2 数组运算与广播

# 基本运算
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

print("加法:", a + b)
print("乘法:", a * b)
print("点积:", np.dot(a, b))

# 广播机制
matrix = np.array([[1, 2, 3], [4, 5, 6]])
result = matrix + np.array([10, 20, 30])  # 广播加法
print("广播结果:\n", result)

四、Pandas：数据处理利器

4.1 DataFrame基础操作

import pandas as pd
import numpy as np

# 创建DataFrame
data = {
    '姓名': ['张三', '李四', '王五', '赵六'],
    '年龄': [25, 30, 35, 28],
    '城市': ['北京', '上海', '广州', '深圳'],
    '薪资': [15000, 20000, 18000, 22000]
}

df = pd.DataFrame(data)
print("原始数据:")
print(df)

4.2 数据清洗与预处理

# 处理缺失值
df_with_na = df.copy()
df_with_na.loc[2, '薪资'] = np.nan

# 填充缺失值
df_filled = df_with_na.fillna({'薪资': df_with_na['薪资'].mean()})
print("填充后数据:")
print(df_filled)

# 数据筛选
high_salary = df[df['薪资'] > 18000]
beijing_people = df[df['城市'] == '北京']

print("高薪资人员:\n", high_salary)
print("北京人员:\n", beijing_people)

4.3 数据分组与聚合

# 按城市分组统计
city_stats = df.groupby('城市').agg({
    '年龄': ['mean', 'min', 'max'],
    '薪资': ['mean', 'sum', 'count']
})

print("城市统计信息:")
print(city_stats)

五、Matplotlib：数据可视化

5.1 基础图表绘制

import matplotlib.pyplot as plt
import seaborn as sns

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 创建子图
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# 柱状图
axes[0, 0].bar(df['姓名'], df['薪资'], color='skyblue')
axes[0, 0].set_title('薪资分布')
axes[0, 0].set_ylabel('薪资')

# 饼图
city_count = df['城市'].value_counts()
axes[0, 1].pie(city_count.values, labels=city_count.index, autopct='%1.1f%%')
axes[0, 1].set_title('城市分布')

# 折线图
axes[1, 0].plot(df['姓名'], df['年龄'], marker='o', linestyle='-', color='orange')
axes[1, 0].set_title('年龄趋势')
axes[1, 0].set_ylabel('年龄')

# 散点图
axes[1, 1].scatter(df['年龄'], df['薪资'], alpha=0.7)
axes[1, 1].set_xlabel('年龄')
axes[1, 1].set_ylabel('薪资')
axes[1, 1].set_title('年龄与薪资关系')

plt.tight_layout()
plt.show()

5.2 高级可视化技巧

# 使用Seaborn增强可视化
plt.figure(figsize=(10, 6))

# 箱线图
plt.subplot(1, 2, 1)
sns.boxplot(data=df, x='城市', y='薪资')
plt.title('各城市薪资分布')

# 热力图
plt.subplot(1, 2, 2)
correlation = df[['年龄', '薪资']].corr()
sns.heatmap(correlation, annot=True, cmap='coolwarm')
plt.title('相关性热力图')

plt.tight_layout()
plt.show()

六、实战案例：销售数据分析

6.1 数据准备

# 模拟销售数据
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=100, freq='D')
sales_data = {
    '日期': dates,
    '产品类别': np.random.choice(['A', 'B', 'C'], 100),
    '销售额': np.random.normal(1000, 200, 100),
    '数量': np.random.randint(1, 50, 100)
}

sales_df = pd.DataFrame(sales_data)
sales_df['销售额'] = sales_df['销售额'].clip(lower=0)  # 确保非负

print("销售数据前5行:")
print(sales_df.head())

6.2 数据分析与可视化

# 按产品类别分析
category_analysis = sales_df.groupby('产品类别').agg({
    '销售额': ['sum', 'mean', 'std'],
    '数量': 'sum'
}).round(2)

print("产品类别分析:")
print(category_analysis)

# 时间序列分析
sales_df['月份'] = sales_df['日期'].dt.month
monthly_sales = sales_df.groupby('月份')['销售额'].sum()

plt.figure(figsize=(12, 8))

# 月度销售额趋势
plt.subplot(2, 2, 1)
monthly_sales.plot(kind='line', marker='o')
plt.title('月度销售额趋势')
plt.ylabel('销售额')

# 产品类别销售额占比
plt.subplot(2, 2, 2)
category_sales = sales_df.groupby('产品类别')['销售额'].sum()
plt.pie(category_sales.values, labels=category_sales.index, autopct='%1.1f%%')
plt.title('产品类别销售额占比')

# 销售额分布
plt.subplot(2, 2, 3)
plt.hist(sales_df['销售额'], bins=20, alpha=0.7, color='green')
plt.title('销售额分布')
plt.xlabel('销售额')

# 类别销售额箱线图
plt.subplot(2, 2, 4)
sns.boxplot(data=sales_df, x='产品类别', y='销售额')
plt.title('各类别销售额分布')

plt.tight_layout()
plt.show()

七、性能优化技巧

7.1 向量化操作

# 不推荐的循环方式
def slow_calculation(df):
    result = []
    for i in range(len(df)):
        result.append(df.iloc[i]['销售额'] * 1.1)
    return result

# 推荐的向量化方式
def fast_calculation(df):
    return df['销售额'] * 1.1

# 性能对比
%timeit slow_calculation(sales_df)
%timeit fast_calculation(sales_df)

7.2 内存优化

# 查看数据类型
print("数据类型信息:")
print(sales_df.info())

# 优化数据类型
def optimize_dtypes(df):
    # 转换数值类型
    df['数量'] = df['数量'].astype('int32')
    df['销售额'] = df['销售额'].astype('float32')
    return df

optimized_df = optimize_dtypes(sales_df.copy())
print("优化后内存使用:")
print(optimized_df.info(memory_usage='deep'))

八、核心功能对比表

库名称	主要功能	优势	适用场景
NumPy	数值计算、数组操作	高性能、内存效率高	科学计算、矩阵运算
Pandas	数据处理、数据分析	灵活的数据结构、丰富API	数据清洗、统计分析
Matplotlib	数据可视化	高度可定制、图表类型丰富	数据展示、报告生成

九、总结

本文全面介绍了Python数据分析三大核心库的使用方法，从基础操作到实战应用，涵盖了数据处理、分析和可视化的完整流程。掌握这些工具将极大提升您的数据分析能力。

十、参考文献

1. Pandas官方文档：https://pandas.pydata.org/docs/ 
2. NumPy官方文档：https://numpy.org/doc/stable/ 
3. Matplotlib官方文档：https://matplotlib.org/stable/contents.html 
4. Python数据分析最佳实践：https://realpython.com/tutorials/data-science/