1.4　Python基礎庫入門實戰

對Python的基礎內容有了一定的認識后，本節將主要介紹Python中的常用第三方庫。這些庫都是實現了各種計算功能的開源庫，它們極大地豐富了Python的應用場景和計算能力，這里主要介紹NumPy、pandas和Matplotlib三個庫的基礎使用。其中NumPy是Python用來進行矩陣運算、高維度數組運算的數學計算庫；pandas是Python用來進行數據預處理、數據操作和數據分析的庫；Matplotlib是簡單易用的數據可視化庫，包含了豐富的數據可視化功能。接下將會逐個介紹這些庫的簡單應用。

1.4.1　NumPy庫應用入門

NumPy庫提供了很多高效的數值運算工具，在矩陣運算等方面提供了很多高效的函數，尤其是N維數組，在數據科學等計算方面應用廣泛。接下來將簡單介紹NumPy庫的相關使用。

為了使用方便，導入NumPy庫時可使用別名np代替，本書中的NumPy庫均使用np作為別名。

導入NumPy庫之后，針對該庫的入門使用，將會分為數組生成、數組中的索引與數組中的一些運算函數三個部分進行介紹。

1．數組生成

利用NumPy庫生成數組有多種方式，例如，可使用array（）函數生成一個數組。

上面的程序中，使用np.array（）函數將列表生成數組，并且可以利用數組A的shape屬性查看其形狀，使用ndim屬性查看數組的維度。

在NumPy庫中可以使用np.zeros（）函數生成指定形狀的全0數組，使用np.ones（）函數生成指定形狀的全1數組，np.eye（）函數生成指定形狀的單位矩陣（對角線的元素為1）。

使用np.array（）函數生成數組的時候，可以使用dtype參數指定其數據類型，例如使用np.float64指定數據為64位浮點型，使用np.float32指定數據為32位浮點型，使用np.int32指定數據為32位整型。同時也可以使用數組的astype（）方法，修改數據類型。相關示例如下：

2．數組中的索引

數組中的元素，可以利用切片索引來獲取，其中索引可以是獲取一個元素的基本索引，也可以是獲取多個元素的切片索引，以及根據布爾值獲取元素的布爾索引。使用切片獲取元素的相關程序如下：

在NumPy庫中還可以使用np.where找到符合條件的值函數，找到符合條件值的位置，如輸出滿足條件的行索引和列索引，并且也可以指定滿足條件時輸出的內容，與不滿足條件時輸出的內容。相關程序示例如下：

針對獲得的數組可以使用＊.T方法獲取其轉置，同時針對數組的軸可使用transpose（）函數對數組的軸進行變換，如將3×4×2的數組轉化為2×4×3的數組，相關程序如下：

3．數組中的一些運算函數

在NumPy庫中已經準備了很多進行數組運算的函數，如計算數組的均值可以使用mean（）函數，計算數組的和可以使用sum（）函數，計算累加和可以使用cumsum（）函數，相關程序如下：

數組的標準差和方差在一定程度上反映了數據的離散程度，可以通過std（）函數計算標準差，使用var（）函數計算方差。同時最大值可以使用max（）函數，最小值可以使用min（）函數進行計算。

隨機數是機器學習中經常使用的內容，所以NumPy庫提供了很多生成各類隨機數的方法，其中設置隨機數種子，可以使用np.random.seed（）函數，它可以保證在使用隨機數函數生成隨機數時，隨機數是可重復出現的。

生成服從正態分布的隨機數可以使用np.random.randn（）函數，生成0～n整數的隨機排序可以使用np.random.permutation（n）函數，生成服從均勻分布的隨機數可以使用np.random.rand（）函數。在指定的范圍生成隨機整數可以使用np.random.randint（）函數。這些函數的使用示例如下：

NumPy中還提供了保存和導入數據的函數np.save（）和np.load（），其中np.save（）通常是將一個數組保存為.npy文件，若要保存多個數組，可以使用np.savez（）函數，并且可以為每個數組指定名稱，方便導入數組后對數據的獲取，相關程序如下：

1.4.2　pandas庫應用入門

pandas庫在數據分析中是非常重要和常用的庫，它利用數據框讓數據的處理和操作變得簡單和快捷，在數據預處理、缺失值填補、時間序列、可視化等方面都有應用。接下來簡單介紹pandas的使用方法，包括如何生成序列和數據表格、數據聚合與分組運算及數據可視化功能等。pandas庫在導入后經常使用pd來代替。

1．序列和數據表

pandas庫中的序列（Series）是一維標簽數組，能夠容納任何類型的數據。可以使用pd.Series（ data， index，…）生成序列，其中data指定序列中的數據，通常使用數組或者列表，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，并且可以通過s1.values和s1.index獲取序列的數值和索引。

針對生成的序列可以通過切片和索引獲取序列中的對應值，也可以對獲得的數值重新賦值。相關示例如下：

通過字典也可以生成序列，其中字典的鍵將會作為序列的索引，字典的值將會作為序列的值，下面的s2就是利用字典生成的序列。針對序列可以使用value_counts（）方法，計算序列中每個取值出現的次數。

數據表是pandas庫提供的一種二維數據結構，數據按行和列的表格方式排列，是數據分析經常使用的數據展示方式。數據表的生成通常使用pd.DataFrame（data，index，columns，…）方式。其中data可以使用字典、數組等內容，index用于指定數據表的索引，columns用于指定數據表的列名。

使用字典生成數據表時，字典的鍵將會作為數據表格的列名，值將會作為對應列的內容。同時可以使用df1［"列名"］的形式為數據表格df1添加新的列，或者獲取對應列的內容。df1.columns屬性則可以輸出數據表格的列名。

針對數據表格df可以使用df.loc獲取指定的數據，使用方式為df.loc［index_name，col_name］，選擇指定位置的數據。相關使用方法如下：

數據表格的df.iloc方法是基于位置的索引來獲取對應的內容，相關使用方法如下：

2．數據聚合與分組運算

pandas庫提供了強大的數據聚合和分組運算能力，如可以通過apply方法，將指定的函數作用于數據的行或列，而groupby方法可以對數據進行分組統計，這些功能對數據表的變換、分析和計算都非常有用。下面使用鳶尾花數據集介紹如何使用apply方法將函數應用于數據計算。

通過上面的程序可以發現利用apply方法可以使函數的應用變得簡單，從而方便對數據進行更多的認識和分析。數據表的groupby方法則可進行分組統計，其在應用上比apply方法更加廣泛，如根據數據的不同類型，計算數據的一些統計性質，獲得數據透視表。相關使用示例如下：

數據表的聚合運算可以通過agg方法，并且該方法可以和groupby方法結合使用，從而完成更復雜的數據描述和分析工作，如可以計算不同數據特征的不同統計性質等。相關使用示例如下：

3．數據可視化函數

pandas庫提供了針對數據表和序列的簡單可視化方式，其可視化是基于Matplotlib庫進行的。對pandas的數據表進行數據可視化時，只需要使用數據表的plot（）方法，該方法包含散點圖、折線圖、箱線圖、條形圖等。下面使用數據演示一些pandas庫的數據可視化方法，獲得數據可視化圖像。

上面的程序是使用數據表的boxplot（）方法獲得箱線圖，同時在可視化時，可視化兩列數據SepalLengthCm和SepalWidthCm變量的箱線圖，再針對每個變量使用類別特征Species進行分組，最終可視化結果如圖1-11所示。

使用df.plot（）方法對數據表進行可視化時，通常會使用kind參數指定數據可視化圖像的類型，參數x指定橫坐標軸使用的變量，參數y指定縱坐標軸使用的變量，其他參數調整數據的可視化結果。例如針對散點圖，可以使用參數s指定點的大小，使用參數c指定點的顏色等。利用數據表獲得散點圖的程序如下，程序運行后的結果如圖1-12所示。

使用df.plot（）方法時，指定參數kind="hexbin"可以使用六邊形熱力圖，對數據進行可視化，例如針對鳶尾花數據中的SepalLengthCm變量和SepalWidthCm變量的六邊形熱力圖，可使用下面的程序進行可視化，獲得如圖1-13所示的結果。

可視化時指定參數kind="line"，可以使用折線圖對數據進行可視化，例如針對鳶尾花數據中的4個變量的變化情況，可使用下面的程序進行拆線圖可視化，程序運行后的結果如圖1-14所示。

pandas的入門內容先介紹到這里，更多內容可以參考官方文檔進行探索和學習。下面介紹如何使用Matplotlib。

1.4.3　Matplotlib庫應用入門

Matplotlib是Python的繪圖庫，其具有豐富的繪圖功能，pyplot是其中的一個模塊，它提供了類似MATLAB的繪圖接口，能夠繪制2D、3D等豐富圖像，是數據可視化的好幫手，接下來簡單介紹其使用方法。

首先利用Matplotlib庫進行繪圖的一些準備工作。

上面的程序中首先導入Matplotlib中的pyplot模塊，并命名為plt，為了在Jupyter Notebook中顯示圖像，需要使用%matplotlib inline命令；為了繪制3D圖像，需要引入三維坐標系Axes3D。由于Matplotlib庫默認不支持中文文本在圖像中的顯示，為解決這個問題，可以使用matplotlib.rcParams［'axes.unicode_minus'］=False語句，同時導入seaborn數據可視化庫，使用其set（）方法可以設置可視化圖像時的基礎部分，例如font="Kaiti"參數指定圖中文本使用的字體，參數style="ticks"設置坐標系的樣式，參數font_scale設置字體的顯示比例等。

1．二維可視化圖像

在介紹Matplotlib庫的二維數據可視化之前，先展示一個簡單的曲線可視化示例，程序如下：

上面的程序中，首先生成X、Y坐標數據，然后使用plt.figure（）定義一個圖像窗口，并使用figsize=（10，6）參數指定圖像的寬和高；plt.plot（）繪制圖像對應的坐標為X和Y，其中第三個參數“r-＊”代表繪制紅色曲線星形圖，plt.xlabel（）定義X坐標軸的標簽名稱，plt.ylabel（）定義Y坐標軸的標簽名稱，plt.title（）指定圖像的名稱，plt.grid（）代表在圖像中顯示網格線，最后使用plt.show（）查看圖像。得到的圖像如圖1-15所示。

Matplotlib庫還可以在一個圖像上繪制多個子圖，從多方面、多角度對數據進行觀察。下面展示如何可視化出一個圖像中包含3個子圖的示例，程序如下：

在這個例子中，分別繪制了曲線圖、直方圖、階梯圖3個子圖。plt.subplot（2，2，1）表示將當前圖形窗口分成2×2=4個區域，并在第1個區域上進行繪圖。在第一幅子圖中指定X軸名稱時，使用plt.xlabel（r"$\alpha$"）來顯示，其中 "$\alpha$" 表示LaTeX公式。plt.subplot（2，2，2）表示開始在第2個區域上繪制圖像，plt.hist（histdata， 10）表示將數據histdata分成10份來繪制直方圖。而在可視化第三個子圖時，使用plt.subplot（2，1，2）表示將圖形區域重新劃分為2×1=2個窗口，并且指定在第2個窗口上作圖，這樣原始的2×2的4個子圖的第3個和第4個子圖，組合為一個新的子圖窗口。plt.step（X，Y，c="r"，label="sin（x）"，linewidth=3）為繪制階梯圖，并且指定線的顏色為紅色，線寬為3；plt.legend（loc="lower right"，fontsize=16）可以為圖像在指定的位置添加圖例，字體大小為16；plt.xticks（xtick，xticklabel，rotation=45）是通過plt.xticks（）來指定坐標軸X軸的刻度所顯示的內容，并且可通過rotation=45將其逆時針旋轉45°；plt.subplots_adjust（hspace=0.35）為調整子圖之間的水平間距，讓子圖之間沒有遮擋，最終的數據可視化結果如圖1-16所示。

2．三維可視化圖像

Matplotlib庫還可以繪制三維圖像，下面給出繪制三維圖像曲面圖和空間散點圖的例子，程序如下：

上面的可視化程序中，先使用np.meshgrid（）函數準備數據可視化需要的網格數據，然后針對圖像窗口使用fig.add_subplot（111， projection= "3d"）初始化一個3D坐標系ax1，接著使用ax1.plot_surface（）函數繪制曲面圖，使用ax1.contour（）函數為圖像添加等高線，最后設置了各個坐標軸的標簽和可視化范圍，可視化結果如圖1-17所示。

同樣在一副圖像中可以繪制多個3D圖像，可視化3D曲線圖和3D散點圖的程序如下：

上面的程序在可視化3D圖像時使用的是3個一維向量數據，分別指定x、y和z軸的坐標位置，然后可視化3D曲線圖和3D散點圖，程序運行后的結果如圖1-18所示。

3．可視化圖片

針對圖像數據，可以使用plt.imshow（）函數進行可視化，同時針對灰度圖像，可以使用參數cmap=plt.cm.gray定義圖像的顏色映射，針對一張圖片可視化RGB圖像和灰度圖像的程序如下：

運行上面的程序后結果如圖1-19所示，分別是RGB圖像和繪圖圖像的可視化。

Matplotlib庫中，包含很多的數據可視化內容，上面的內容只是其中的一小部分，更多的可視化方法會在后面的章節中介紹，也可以參看官方的幫助文檔進行學習。