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
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
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
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
# 选列 df["姓名"] # 条件筛选 df[df["成绩"] > 60]4. 缺失值处理
python
运行
df.dropna() # 删除空值 df.fillna(0) # 填充空值5. 分组聚合
python
运行
# 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
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
import matplotlib.pyplot as plt常用图表
- 折线图：趋势变化
python
运行
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
plt.bar(x,y) plt.show()- 饼图：占比
python
运行
plt.pie(y,labels=x) plt.show()- 直方图：数据分布
python
运行
plt.hist(y) plt.show()通用配置
python
运行
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