机器学习基础入门——机器学习库介绍（NumPy、pandas、Matplotlib）
机器学习库介绍（NumPy、pandas、Matplotlib）
在 Python 机器学习的领域中，NumPy、pandas 和 Matplotlib 是三个不可或缺的基础库。它们分别在数值计算、数据处理与分析以及数据可视化方面发挥着关键作用，极大地提升了开发效率与数据洞察能力。接下来，我们将通过丰富的代码示例详细了解这三个库。
NumPy：高效的数值计算库
NumPy 提供了多维数组对象ndarray，以及大量用于数组操作的函数，使得数值计算变得高效且便捷。
创建数组
import numpy as np
# 创建一维数组
arr1 = np.array([1, 2, 3, 4])
print(arr1)
# 创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2)
# 创建全零数组
zeros_arr = np.zeros((3, 4))
print(zeros_arr)
# 创建全一数组
ones_arr = np.ones((2, 3))
print(ones_arr)
# 创建指定范围的数组
range_arr = np.arange(1, 10, 2)
print(range_arr)
数组运算
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
# 数组相加
add_result = a + b
print(add_result)
# 数组相乘
mul_result = a * b
print(mul_result)
# 数组点积
dot_result = np.dot(a, b)
print(dot_result)
数组索引与切片
arr = np.array([10, 20, 30, 40, 50])
# 访问单个元素
print(arr[2])
# 切片操作
print(arr[1:4])
# 二维数组索引与切片
two_d_arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(two_d_arr[1, 2])
print(two_d_arr[:, 1])
pandas：强大的数据处理与分析库
pandas 的核心数据结构是Series（一维带标签数组）和DataFrame（二维表格型数据结构），提供了丰富的数据处理与分析方法。
创建数据结构
import pandas as pd
# 创建Series
data = [10, 20, 30, 40]
index = ['a', 'b', 'c', 'd']
series = pd.Series(data, index=index)
print(series)
# 创建DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'London', 'Paris']
}
df = pd.DataFrame(data)
print(df)
展示 pandas 中 Series 和 DataFrame 的数据结构样式
数据读取与写入
# 从CSV文件读取数据
df = pd.read_csv('data.csv')
print(df.head())
# 将数据写入CSV文件
df.to_csv('new_data.csv', index=False)
数据清洗与处理
# 处理缺失值
df = pd.DataFrame({
'A': [1, 2, None, 4],
'B': [5, None, 7, 8]
})
df = df.dropna() # 删除包含缺失值的行
print(df)
# 处理重复值
df = pd.DataFrame({
'A': [1, 2, 2, 3],
'B': [4, 5, 5, 6]
})
df = df.drop_duplicates()
print(df)
数据筛选与统计
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'London', 'Paris']
})
# 筛选年龄大于30的行
filtered_df = df[df['Age'] > 30]
print(filtered_df)
# 统计各列的描述性统计信息
stats = df.describe()
print(stats)
Matplotlib：数据可视化利器
Matplotlib 可以将数据以直观的图表形式展示出来，帮助我们更好地理解数据特征与趋势。
简单绘图
import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [10, 12, 15, 13]
plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Simple Line Plot')
plt.show()
Matplotlib 绘制的简单折线图示例
绘制多种图表
# 柱状图
labels = ['A', 'B', 'C', 'D']
values = [20, 35, 15, 30]
plt.bar(labels, values)
plt.show()
Matplotlib 绘制的柱状图示例
# 散点图
x = np.random.randn(100)
y = np.random.randn(100)
plt.scatter(x, y)
plt.show()
Matplotlib 绘制的散点图示例
# 饼图
sizes = [30, 20, 15, 35]
labels = ['Apple', 'Banana', 'Orange', 'Grapes']
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.show()
Matplotlib 绘制的饼图示例
通过上述对 NumPy、pandas 和 Matplotlib 库的详细介绍及代码示例，相信大家对这三个机器学习常用库有了更深入的理解。在实际项目中，灵活运用这些库能够大幅提升数据处理、分析与可视化的效率，为机器学习模型的构建与优化奠定坚实基础。