1.4　Python基础库入门实战

对Python的基础内容有了一定的认识后，本节将主要介绍Python中的常用第三方库。这些库都是实现了各种计算功能的开源库，它们极大地丰富了Python的应用场景和计算能力，这里主要介绍NumPy、pandas和Matplotlib三个库的基础使用。其中NumPy是Python用来进行矩阵运算、高维度数组运算的数学计算库；pandas是Python用来进行数据预处理、数据操作和数据分析的库；Matplotlib是简单易用的数据可视化库，包含了丰富的数据可视化功能。接下将会逐个介绍这些库的简单应用。

1.4.1　NumPy库应用入门

NumPy库提供了很多高效的数值运算工具，在矩阵运算等方面提供了很多高效的函数，尤其是N维数组，在数据科学等计算方面应用广泛。接下来将简单介绍NumPy库的相关使用。

为了使用方便，导入NumPy库时可使用别名np代替，本书中的NumPy库均使用np作为别名。

导入NumPy库之后，针对该库的入门使用，将会分为数组生成、数组中的索引与数组中的一些运算函数三个部分进行介绍。

1．数组生成

利用NumPy库生成数组有多种方式，例如，可使用array（）函数生成一个数组。

上面的程序中，使用np.array（）函数将列表生成数组，并且可以利用数组A的shape属性查看其形状，使用ndim属性查看数组的维度。

在NumPy库中可以使用np.zeros（）函数生成指定形状的全0数组，使用np.ones（）函数生成指定形状的全1数组，np.eye（）函数生成指定形状的单位矩阵（对角线的元素为1）。

使用np.array（）函数生成数组的时候，可以使用dtype参数指定其数据类型，例如使用np.float64指定数据为64位浮点型，使用np.float32指定数据为32位浮点型，使用np.int32指定数据为32位整型。同时也可以使用数组的astype（）方法，修改数据类型。相关示例如下：

2．数组中的索引

数组中的元素，可以利用切片索引来获取，其中索引可以是获取一个元素的基本索引，也可以是获取多个元素的切片索引，以及根据布尔值获取元素的布尔索引。使用切片获取元素的相关程序如下：

在NumPy库中还可以使用np.where找到符合条件的值函数，找到符合条件值的位置，如输出满足条件的行索引和列索引，并且也可以指定满足条件时输出的内容，与不满足条件时输出的内容。相关程序示例如下：

针对获得的数组可以使用＊.T方法获取其转置，同时针对数组的轴可使用transpose（）函数对数组的轴进行变换，如将3×4×2的数组转化为2×4×3的数组，相关程序如下：

3．数组中的一些运算函数

在NumPy库中已经准备了很多进行数组运算的函数，如计算数组的均值可以使用mean（）函数，计算数组的和可以使用sum（）函数，计算累加和可以使用cumsum（）函数，相关程序如下：

数组的标准差和方差在一定程度上反映了数据的离散程度，可以通过std（）函数计算标准差，使用var（）函数计算方差。同时最大值可以使用max（）函数，最小值可以使用min（）函数进行计算。

随机数是机器学习中经常使用的内容，所以NumPy库提供了很多生成各类随机数的方法，其中设置随机数种子，可以使用np.random.seed（）函数，它可以保证在使用随机数函数生成随机数时，随机数是可重复出现的。

生成服从正态分布的随机数可以使用np.random.randn（）函数，生成0～n整数的随机排序可以使用np.random.permutation（n）函数，生成服从均匀分布的随机数可以使用np.random.rand（）函数。在指定的范围生成随机整数可以使用np.random.randint（）函数。这些函数的使用示例如下：

NumPy中还提供了保存和导入数据的函数np.save（）和np.load（），其中np.save（）通常是将一个数组保存为.npy文件，若要保存多个数组，可以使用np.savez（）函数，并且可以为每个数组指定名称，方便导入数组后对数据的获取，相关程序如下：

1.4.2　pandas库应用入门

pandas库在数据分析中是非常重要和常用的库，它利用数据框让数据的处理和操作变得简单和快捷，在数据预处理、缺失值填补、时间序列、可视化等方面都有应用。接下来简单介绍pandas的使用方法，包括如何生成序列和数据表格、数据聚合与分组运算及数据可视化功能等。pandas库在导入后经常使用pd来代替。

1．序列和数据表

pandas库中的序列（Series）是一维标签数组，能够容纳任何类型的数据。可以使用pd.Series（ data， index，…）生成序列，其中data指定序列中的数据，通常使用数组或者列表，index通常指定序列中的索引，例如使用下面的程序可以生成序列s1，并且可以通过s1.values和s1.index获取序列的数值和索引。

针对生成的序列可以通过切片和索引获取序列中的对应值，也可以对获得的数值重新赋值。相关示例如下：

通过字典也可以生成序列，其中字典的键将会作为序列的索引，字典的值将会作为序列的值，下面的s2就是利用字典生成的序列。针对序列可以使用value_counts（）方法，计算序列中每个取值出现的次数。

数据表是pandas库提供的一种二维数据结构，数据按行和列的表格方式排列，是数据分析经常使用的数据展示方式。数据表的生成通常使用pd.DataFrame（data，index，columns，…）方式。其中data可以使用字典、数组等内容，index用于指定数据表的索引，columns用于指定数据表的列名。

使用字典生成数据表时，字典的键将会作为数据表格的列名，值将会作为对应列的内容。同时可以使用df1［"列名"］的形式为数据表格df1添加新的列，或者获取对应列的内容。df1.columns属性则可以输出数据表格的列名。

针对数据表格df可以使用df.loc获取指定的数据，使用方式为df.loc［index_name，col_name］，选择指定位置的数据。相关使用方法如下：

数据表格的df.iloc方法是基于位置的索引来获取对应的内容，相关使用方法如下：

2．数据聚合与分组运算

pandas库提供了强大的数据聚合和分组运算能力，如可以通过apply方法，将指定的函数作用于数据的行或列，而groupby方法可以对数据进行分组统计，这些功能对数据表的变换、分析和计算都非常有用。下面使用鸢尾花数据集介绍如何使用apply方法将函数应用于数据计算。

通过上面的程序可以发现利用apply方法可以使函数的应用变得简单，从而方便对数据进行更多的认识和分析。数据表的groupby方法则可进行分组统计，其在应用上比apply方法更加广泛，如根据数据的不同类型，计算数据的一些统计性质，获得数据透视表。相关使用示例如下：

数据表的聚合运算可以通过agg方法，并且该方法可以和groupby方法结合使用，从而完成更复杂的数据描述和分析工作，如可以计算不同数据特征的不同统计性质等。相关使用示例如下：

3．数据可视化函数

pandas库提供了针对数据表和序列的简单可视化方式，其可视化是基于Matplotlib库进行的。对pandas的数据表进行数据可视化时，只需要使用数据表的plot（）方法，该方法包含散点图、折线图、箱线图、条形图等。下面使用数据演示一些pandas库的数据可视化方法，获得数据可视化图像。

上面的程序是使用数据表的boxplot（）方法获得箱线图，同时在可视化时，可视化两列数据SepalLengthCm和SepalWidthCm变量的箱线图，再针对每个变量使用类别特征Species进行分组，最终可视化结果如图1-11所示。

使用df.plot（）方法对数据表进行可视化时，通常会使用kind参数指定数据可视化图像的类型，参数x指定横坐标轴使用的变量，参数y指定纵坐标轴使用的变量，其他参数调整数据的可视化结果。例如针对散点图，可以使用参数s指定点的大小，使用参数c指定点的颜色等。利用数据表获得散点图的程序如下，程序运行后的结果如图1-12所示。

使用df.plot（）方法时，指定参数kind="hexbin"可以使用六边形热力图，对数据进行可视化，例如针对鸢尾花数据中的SepalLengthCm变量和SepalWidthCm变量的六边形热力图，可使用下面的程序进行可视化，获得如图1-13所示的结果。

可视化时指定参数kind="line"，可以使用折线图对数据进行可视化，例如针对鸢尾花数据中的4个变量的变化情况，可使用下面的程序进行拆线图可视化，程序运行后的结果如图1-14所示。

pandas的入门内容先介绍到这里，更多内容可以参考官方文档进行探索和学习。下面介绍如何使用Matplotlib。

1.4.3　Matplotlib库应用入门

Matplotlib是Python的绘图库，其具有丰富的绘图功能，pyplot是其中的一个模块，它提供了类似MATLAB的绘图接口，能够绘制2D、3D等丰富图像，是数据可视化的好帮手，接下来简单介绍其使用方法。

首先利用Matplotlib库进行绘图的一些准备工作。

上面的程序中首先导入Matplotlib中的pyplot模块，并命名为plt，为了在Jupyter Notebook中显示图像，需要使用%matplotlib inline命令；为了绘制3D图像，需要引入三维坐标系Axes3D。由于Matplotlib库默认不支持中文文本在图像中的显示，为解决这个问题，可以使用matplotlib.rcParams［'axes.unicode_minus'］=False语句，同时导入seaborn数据可视化库，使用其set（）方法可以设置可视化图像时的基础部分，例如font="Kaiti"参数指定图中文本使用的字体，参数style="ticks"设置坐标系的样式，参数font_scale设置字体的显示比例等。

1．二维可视化图像

在介绍Matplotlib库的二维数据可视化之前，先展示一个简单的曲线可视化示例，程序如下：

上面的程序中，首先生成X、Y坐标数据，然后使用plt.figure（）定义一个图像窗口，并使用figsize=（10，6）参数指定图像的宽和高；plt.plot（）绘制图像对应的坐标为X和Y，其中第三个参数“r-＊”代表绘制红色曲线星形图，plt.xlabel（）定义X坐标轴的标签名称，plt.ylabel（）定义Y坐标轴的标签名称，plt.title（）指定图像的名称，plt.grid（）代表在图像中显示网格线，最后使用plt.show（）查看图像。得到的图像如图1-15所示。

Matplotlib库还可以在一个图像上绘制多个子图，从多方面、多角度对数据进行观察。下面展示如何可视化出一个图像中包含3个子图的示例，程序如下：

在这个例子中，分别绘制了曲线图、直方图、阶梯图3个子图。plt.subplot（2，2，1）表示将当前图形窗口分成2×2=4个区域，并在第1个区域上进行绘图。在第一幅子图中指定X轴名称时，使用plt.xlabel（r"$\alpha$"）来显示，其中 "$\alpha$" 表示LaTeX公式。plt.subplot（2，2，2）表示开始在第2个区域上绘制图像，plt.hist（histdata， 10）表示将数据histdata分成10份来绘制直方图。而在可视化第三个子图时，使用plt.subplot（2，1，2）表示将图形区域重新划分为2×1=2个窗口，并且指定在第2个窗口上作图，这样原始的2×2的4个子图的第3个和第4个子图，组合为一个新的子图窗口。plt.step（X，Y，c="r"，label="sin（x）"，linewidth=3）为绘制阶梯图，并且指定线的颜色为红色，线宽为3；plt.legend（loc="lower right"，fontsize=16）可以为图像在指定的位置添加图例，字体大小为16；plt.xticks（xtick，xticklabel，rotation=45）是通过plt.xticks（）来指定坐标轴X轴的刻度所显示的内容，并且可通过rotation=45将其逆时针旋转45°；plt.subplots_adjust（hspace=0.35）为调整子图之间的水平间距，让子图之间没有遮挡，最终的数据可视化结果如图1-16所示。

2．三维可视化图像

Matplotlib库还可以绘制三维图像，下面给出绘制三维图像曲面图和空间散点图的例子，程序如下：

上面的可视化程序中，先使用np.meshgrid（）函数准备数据可视化需要的网格数据，然后针对图像窗口使用fig.add_subplot（111， projection= "3d"）初始化一个3D坐标系ax1，接着使用ax1.plot_surface（）函数绘制曲面图，使用ax1.contour（）函数为图像添加等高线，最后设置了各个坐标轴的标签和可视化范围，可视化结果如图1-17所示。

同样在一副图像中可以绘制多个3D图像，可视化3D曲线图和3D散点图的程序如下：

上面的程序在可视化3D图像时使用的是3个一维向量数据，分别指定x、y和z轴的坐标位置，然后可视化3D曲线图和3D散点图，程序运行后的结果如图1-18所示。

3．可视化图片

针对图像数据，可以使用plt.imshow（）函数进行可视化，同时针对灰度图像，可以使用参数cmap=plt.cm.gray定义图像的颜色映射，针对一张图片可视化RGB图像和灰度图像的程序如下：

运行上面的程序后结果如图1-19所示，分别是RGB图像和绘图图像的可视化。

Matplotlib库中，包含很多的数据可视化内容，上面的内容只是其中的一小部分，更多的可视化方法会在后面的章节中介绍，也可以参看官方的帮助文档进行学习。