Python数据分析三板斧:NumPy、Pandas、Matplotlib怎么用

只会写Python基础，做数据分析还是不够。数据清洗、计算、画图，这三件事基本绕不开NumPy、Pandas和Matplotlib。有人管它们叫三剑客，其实就是一套顺手的工具链。

一、NumPy：底层算数的加速器

NumPy全称Numerical Python，是Python科学计算的地基。它的核心是ndarray，也就是N维数组。这玩意儿比Python原生的列表快几十倍，因为底层是C写的，数据在内存里连续存放。

看一眼基本用法：

```pythonimport numpy as nparr = np.array([1, 2, 3, 4, 5])matrix = np.array([[1, 2], [3, 4], [5, 6]])print(matrix.shape)   # (3, 2)print(arr.mean())     # 3.0print(arr.sum())      # 15```

• 广播机制：形状不同的数组做运算时自动匹配

• 丰富的数学函数：线性代数、随机数、傅里叶变换都有

• 性能：比纯Python循环快10倍以上

它主要用在科学计算、机器学习特征处理、图像处理这些场景，同时也是Pandas、SciPy等库的底层依赖。

二、Pandas：最顺手的表格工具

Pandas提供了DataFrame和Series两种数据结构，处理表格数据非常舒服。

读数据、看概况

```pythonimport pandas as pddf = pd.read_csv('sales.csv')print(df.head())        # 前5行print(df.info())        # 每列类型、缺失值情况print(df.describe())    # 数值列的均值、标准差、分位数等```

清洗缺失值

```python# 先看看每列缺了多少df.isnull().sum()# 数值列，用均值填上df['price'].fillna(df['price'].mean(), inplace=True)# 分类列，用出现次数最多的值填df['category'].fillna(df['category'].mode()[0], inplace=True)```

分组聚合和透视表

```python# 按区域分组求总销售额region_sales = df.groupby('region')['total_sales'].sum()# 透视表：行是区域，列是品类，值是对应的销售额pivot = pd.pivot_table(df,                        values='total_sales',                       index='region',                       columns='category',                       aggfunc='sum')```

处理大文件的小技巧

文件太大一次性读不进内存怎么办：

```python# 分块读，每次处理1万行for chunk in pd.read_csv('big.csv', chunksize=10000):    process(chunk)# 或者只读需要的列df = pd.read_csv('data.csv', usecols=['id', 'date', 'value'])```

三、Matplotlib：把数据画出来

Matplotlib是Python最全的可视化库，几乎什么图都能画。实际工作中经常搭配Seaborn一起用，Seaborn基于Matplotlib，语法更简单，统计图表更漂亮。

常用的图就那么几种：

举个例子，画一张相关性热力图：

```pythonimport matplotlib.pyplot as pltimport seaborn as snscorr = df.corr()sns.heatmap(corr, annot=True, cmap='coolwarm')plt.title('特征相关性热力图')plt.show()```

四、三个东西怎么配合的

NumPy在最底层，干脏活累活（高性能数组计算）。Pandas坐在NumPy上面，提供方便的表格操作接口。Matplotlib把Pandas处理完的数据画成图。

用NumPy算得快，用Pandas用得爽，用Matplotlib看得清。

五、一个完整的例子：电商销售数据

假设你有一张销售订单表，想看看各个地区的销售额对比。

```pythonimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt# 读数据df = pd.read_csv('sales_data.csv')# 简单清洗：丢掉空行，把价格转成数字df.dropna(inplace=True)df['price'] = df['price'].astype(float)# 算每个订单的总价，然后按地区汇总df['total_sales'] = df['quantity'] * df['price']region_sales = df.groupby('region')['total_sales'].sum()# 画柱状图region_sales.plot(kind='bar', figsize=(10, 6))plt.title('各地区销售额对比')plt.xlabel('地区')plt.ylabel('销售额（万元）')plt.show()```

这个流程覆盖了：加载 → 清洗 → 计算 → 可视化，日常分析基本就是这些步骤。

六、学习的顺序建议

• 先学NumPy：搞清楚怎么创建数组、索引、切片、广播，不用太深，够用就行。

• 再学Pandas：重点练read_csv、groupby、merge、fillna，这几个最常用。

• 最后学Matplotlib：先学会画折线图、柱状图、散点图，再看怎么调整样式、做多子图。

建议找个真实数据集，比如Kaggle上Titanic那个经典数据，完整跑一遍。从读数据开始，清洗几个字段，分组算点什么，最后画一两张图。走通一次，后面就顺了。