Python数据分析及可视化中常用的6个库及函数（二）

       摘要：以下是Python数据分析及可视化常用的6个库的详细介绍，包括它们的概述以及每个库中最常用的10个函数（如果某些库常用函数不足10个，则列出所有常用函数）。每个函数都附带功能描述、用法说明和使用示例。这些库在数据科学、机器学习和数据可视化领域被广泛使用。

1. NumPy

• 概述：NumPy 是 Python 中用于科学计算的基础库，提供多维数组对象和各种数学函数，支持高效的数值运算。

1.1 常用函数：

1. numpy.array()功能：创建一个 NumPy 数组。
   用法：numpy.array(object, dtype=None)，object 是输入数据（如列表、元组），dtype 是数据类型。
   示例：

   import numpy as np
   data = [1, 2, 3, 4]
   arr = np.array(data)
   print(arr)  # 输出: [1 2 3 4]
   

2. numpy.mean()
   功能：计算数组的平均值。
   用法：numpy.mean(a, axis=None)，a 是输入数组，axis 指定计算平均值的轴。
   示例：

   import numpy as np
   arr = np.array([1, 2, 3, 4])
   avg = np.mean(arr)
   print(avg)  # 输出: 2.5
   

3. numpy.sum()
   功能：计算数组元素的总和。
   用法：numpy.sum(a, axis=None)，a 是输入数组，axis 指定求和的轴。
   示例：

   import numpy as np
   arr = np.array([1, 2, 3, 4])
   total = np.sum(arr)
   print(total)  # 输出: 10
   

4. numpy.reshape()
   功能：改变数组的形状。
   用法：numpy.reshape(a, newshape)，a 是输入数组，newshape 是新的形状。
   示例：

   import numpy as np
   arr = np.array([1, 2, 3, 4, 5, 6])
   reshaped = np.reshape(arr, (2, 3))
   print(reshaped)  # 输出: [[1 2 3] [4 5 6]]
   

5. numpy.zeros()
   功能：创建一个全零数组。
   用法：numpy.zeros(shape, dtype=float)，shape 是数组形状，dtype 是数据类型。
   示例：

   import numpy as np
   arr = np.zeros((2, 3))
   print(arr)  # 输出: [[0. 0. 0.] [0. 0. 0.]]
   

6. numpy.ones()
   功能：创建一个全一数组。
   用法：numpy.ones(shape, dtype=float)，shape 是数组形状，dtype 是数据类型。
   示例：

   import numpy as np
   arr = np.ones((2, 3))
   print(arr)  # 输出: [[1. 1. 1.] [1. 1. 1.]]
   

7. numpy.random.rand()
   功能：生成均匀分布的随机数（0到1之间）。
   用法：numpy.random.rand(d0, d1, ...)，d0, d1, ... 是数组的维度。
   示例：

   import numpy as np
   rand_arr = np.random.rand(2, 3)
   print(rand_arr)  # 输出: 2x3 的随机数数组
   

8. numpy.std()
   功能：计算数组的标准差。
   用法：numpy.std(a, axis=None)，a 是输入数组，axis 指定计算标准差的轴。
   示例：

   import numpy as np
   arr = np.array([1, 2, 3, 4])
   std_dev = np.std(arr)
   print(std_dev)  # 输出: 1.118033988749895
   

9. numpy.max()
   功能：返回数组中的最大值。
   用法：numpy.max(a, axis=None)，a 是输入数组，axis 指定查找最大值的轴。
   示例：

   import numpy as np
   arr = np.array([1, 2, 3, 4])
   max_val = np.max(arr)
   print(max_val)  # 输出: 4
   

10. numpy.min()
    功能：返回数组中的最小值。
    用法：numpy.min(a, axis=None)，a 是输入数组，axis 指定查找最小值的轴。
    示例：

    import numpy as np
    arr = np.array([1, 2, 3, 4])
    min_val = np.min(arr)
    print(min_val)  # 输出: 1
    

2. Pandas

• 概述：Pandas 是一个强大的数据分析和操作库，提供 DataFrame 和 Series 数据结构，适用于数据清洗、分析和处理。

2.1 常用函数：

1. pandas.read_csv()
   功能：从 CSV 文件读取数据并创建 DataFrame。
   用法：pandas.read_csv(filepath, delimiter=',')，filepath 是文件路径，delimiter 是分隔符。
   示例：

   import pandas as pd
   df = pd.read_csv('data.csv')
   print(df.head())  # 输出数据的前5行
   

2. pandas.DataFrame.groupby()
   功能：按指定列对数据进行分组，并可应用聚合函数。
   用法：DataFrame.groupby(by)，by 是分组依据的列名。
   示例：

   import pandas as pd
   data = {'Name': ['Alice', 'Bob', 'Alice'], 'Score': [85, 90, 88]}
   df = pd.DataFrame(data)
   grouped = df.groupby('Name').mean()
   print(grouped)  # 输出: 按Name分组的平均分
   

3. pandas.DataFrame.describe()
   功能：生成数据的描述性统计信息（如均值、标准差）。
   用法：DataFrame.describe()
   示例：

   import pandas as pd
   data = {'Score': [85, 90, 88, 92]}
   df = pd.DataFrame(data)
   stats = df.describe()
   print(stats)  # 输出: Score列的统计信息
   

4. pandas.DataFrame.fillna()
   功能：用指定值填充数据中的缺失值。