8个常用的Python数据分析库（附案例+源码）

大家好，我是辰哥~点击下方名片关注和星标『Python研究者』！????点击关注｜设为星标｜干货速递????今天给大家分析8个Python中常用的数据分析工具，Python强大之处在于其第三方扩展库较...

Python研究者

5774人浏览 · 2021-12-14 14:34:00

Python研究者 · 2021-12-14 14:34:00 发布

大家好，我是辰哥~

点击下方名片关注和星标『Python研究者』！

👆点击关注｜设为星标｜干货速递👆

今天给大家分析8个Python中常用的数据分析工具，Python强大之处在于其第三方扩展库较多。

本文介绍数据分析方面的扩展库分别为：NumPy、SciPy、Matplotlib、Pandas、StatsModels、Scikit-learn、Keras、Gensim，下面对这八个扩展库进行简单介绍，以及相关的代码案例

NumPy

NumPy 提供了真正的数组功能以及对数据进行快速处理的函数，是Python中相当成熟和常用的库，更多的使用可以参考官方文档如下所示👇🏻：

参考链接：http://www.numpy.org

# 安装
pip install numpy

NumPy操作数组案例

# _*_ coding: utf-8 -*
# 作用：代码中可以出现中文

# Numpy
import  numpy as np
# 创建数组
na = np.array([20,21,12,1,2])
# 输出数组
print(na)   # [20 21 12  1  2]
# 切片（取出前三个数字）
print(na[:3])  # [20 21 12]
# 输出na中的最小值
print(na.min())  # 1
# 从小到大排序
na.sort()
print(na)  # [ 1  2 12 20 21]

# 创建二维数组
na2 = np.array([[1,2,3],[4,5,6]])
# 二维数组平方
na3 = na2 * na2
print(na3)
"""
[[ 1  4  9]
 [16 25 36]]
"""

SciPy

SciPy依赖于NumPy，因此安装前需先安装NumPy。SciPy包含的功能有最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理和图像处理、常微积分求解等其他科学与过程中常用的计算。

更多的使用可以参考官方文档如下所示👇🏻：

参考链接：http://www.scipy.org

# 安装
pip install scipy

SciPy求解非线性方程

from scipy.optimize import fsolve
# 例子：求解非线性方程组 2x1 - x2^2 = 1 , x1^2 - x2 = 2

# 定义求解的方程组
def f(x):
    x1 = x[0]
    x2 = x[1]
    return [2*x1-x2**2-1,x1**2-x2-2]

# 初始值，并求解
print(fsolve(f,[1,1]))
# 输出
[1.91963957 1.68501606]

SciPy操作数值积分

# 数值积分
from scipy import integrate
def g(x):
    return (1-x**2)**0.5

pi_2, err = integrate.quad(g,-1,1)
# 积分结果 和 误差
print(pi_2*2,err) # 积分结果为π的一半
# 输出
3.1415926535897967 
1.0002354500215915e-09

Matplotlib

Matplotlib是最著名的绘图库，主要用于二维绘图，以及简单的三维绘图。它提供了一整套丰富的命令，让我们可以非常快捷地用Python可视化数据，而且允许输出达到出版质量的多种图像格式。

更多的使用可以参考官方文档如下所示👇🏻：

参考链接：http://matplotlib.org

# 安装
pip install matplotlib

Matplotlib雷达图案例

# 在jupyter notebook运行需要加上下面这句
%matplotlib inline

import numpy as np
import matplotlib.pyplot as plt
# 创建figure
fig = plt.figure(dpi=120)
# 准备好极坐标系的数据
# 半径为[0,1]
r = np.arange(0, 1, 0.001)
theta = 2 * 2*np.pi * r
# 极坐标下绘制
line, = plt.polar(theta, r, color='#ee8d18', lw=3)
plt.show()

运行结果

值得注意的是：中文乱码问题，如果图表中有中文，请在开头加入下面代码

#window版   解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题


#mac版   解决中文显示问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
plt.rcParams['axes.unicode_minus'] = False

Pandas

Pandas 是Python下最强大的数据分析和探索工具，包含高级的数据结构和精巧的工具，支持类似SQL的数据增、删、查、改，并有丰富的数据处理函数；支持时间序列分析功能；灵活处理缺失数据等。

更多的使用可以参考官方文档如下所示👇🏻：

参考链接：https://pandas.pydata.org/pandas-docs/stable/

# 安装
pip install pandas

Pandas操作案例

import numpy as np
import pandas as pd
#使用 Series 生产序列，Pandas默认生成整数索引
res = pd.Series([1,3,4, np.nan, 6,8])
print(res)

运行结果：

# 使用含日期时间索引和标签的Numpy数组生成DateFrame
dates = pd.date_range('20200703', periods = 6)
print(dates)
df = pd.DataFrame(np.random.randn(6,5),index = dates, columns = list('ABCDE'))
print(df)

运行结果：

StatsModels

StatsModels 注重数据的统计建模分析，使得Python有了R语言的味道。与Pandas 结合成为Python下强大的数据挖掘组合。

更多的使用可以参考官方文档如下所示👇🏻：

参考链接：https://www.statsmodels.org/stable/index.html

# 安装
pip install statsModels

StatsModels操作回归模型

import statsmodels.api as sm
import numpy as np
# 举例：回归公式
# Y=1+10⋅X
nsample = 100
# 虚构一组数据
x = np.linspace (0, 10, nsample)
# 加入一列常项 1
X = sm.add_constant (x)
beta = np.array ([1, 10])

# 生成一个长度为 k 的正态分布样本
e = np.random.normal (size=nsample)
y = np.dot (X, beta) + e
# 反应变量和回归变量上使用 OLS () 函数
model = sm.OLS (y,X)
# 拟合结果
results = model.fit ()
# 计算出的回归系数
print (results.params)
# 输出
[ 0.9661724 10.0264137]
### 和实际的回归系数非常接近（Y=1+10⋅X）

Scikit-learn

Scikit-learn 是一个与机器学习相关的库，它提供了完善的机器学习工具箱，包括数据预处理、分类、回归、聚类、预测、模型分析等。

更多的使用可以参考官方文档如下所示👇🏻：

参考链接：https://scikit-learn.org/stable/

# 安装
pip install  scikit-learn

Scikit-learn 线性分类SVM模型

from sklearn import datasets, svm
# 加载数据集
iris = datasets.load_iris()
# 查看数据集大小  (150, 4)
print(iris.data.shape)
# 建立线性SVM分类器
clf = svm.LinearSVC()
# 训练模型
clf.fit(iris.data, iris.target)
# 预测    
print(clf.predict([[5.0, 3.6, 1.3, 0.25]]))
输出:[0]

Keras

Keras 并非简单的神经网络库，而是一个基于Theano 的强大的深度学习库，不仅可以搭建简单普通的神经网络，还可以搭建各种深度学习模型，如自编码器、循环神经网络、递归神经网络、卷积神经网络等。

使用Keras搭建神经网络模型的过程相当简单，也相当直观，就想搭积木一样，通过几十行代码，就可以搭建起一个非常强大的神经网络模型，甚至是深度学习模型。

举例：简单搭建一个MLP（多层感知器）

更多的使用可以参考官方文档如下所示👇🏻：

参考链接：https://keras.io/

# 安装
pip install keras

Keras搭建MLP案例

import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Dropout
# 生成虚拟数据
x_train = np.random.random((1000, 20))
y_train = np.random.randint(2, size=(1000, 1))
x_test = np.random.random((100, 20))
y_test = np.random.randint(2, size=(100, 1))
model = Sequential()  # 模型初始化
model.add(Dense(64, input_dim=20, activation='relu'))  # 添加输入层（20节点）、第一隐藏层（64节点）的连接
model.add(Dropout(0.5))  # 使用Dropout防止过拟合
model.add(Dense(64, activation='relu'))  #第一隐藏层用relu作为激活函数
model.add(Dropout(0.5))  # 使用Dropout防止过拟合
model.add(Dense(1, activation='sigmoid')) # 第二隐藏层用sigmoid作为激活函数
model.compile(loss='binary_crossentropy', #损失函数为二进制交叉熵
              optimizer='rmsprop',     #定义求解算法
              metrics=['accuracy'])  #编译生成模型
model.fit(x_train, y_train,
          epochs=20,
          batch_size=128)   #训练模型
score = model.evaluate(x_test, y_test, batch_size=128) #测试模型

运行结果：

重点在于讲解模型搭建，此参数并非最优

Gensim

Gensim 用来处理语言方面的任务，如文本相似度计算、LDA、Word2Vec等。

据说Gensim的作者对Word2Vec的代码进行了优化，所以它在Gensim下的表现据说比原生的Word2Vec还要快。

更多的使用可以参考官方文档如下所示👇🏻：

参考链接：https://radimrehurek.com/gensim/

# 安装
pip install gensim

Gensim使用Word2Vec案例

from gensim.models import Word2Vec
# 定义训练数据
sentences = [['this', 'is', 'the', 'first', 'sentence', 'for', 'word2vec'],
            ['this', 'is', 'the', 'second', 'sentence'],
            ['yet', 'another', 'sentence'],
            ['one', 'more', 'sentence'],
            ['and', 'the', 'final', 'sentence']]
# 训练模型
model = Word2Vec(sentences, min_count=1)
# 模型参数
print(model)
# 词汇
words = list(model.wv.key_to_index)
print(words)
# 一个词的访问向量
print(model.wv['sentence'])   
# 保存模型
model.save('model.bin')
# 加载模型
new_model = Word2Vec.load('model.bin')
print(new_model)

运行结果：