写在前面

嘎~整理了一份在数据分析和绘图中常用的两个python库的用法

PDF笔记链接放在这了

Numpy 和 Matplotlib 是 Python 中非常重要的两个科学计算和数据可视化库

它们在数据分析、科学研究和工程计算中广泛应用。

Numpy 是一个用于处理多维数组和矩阵的强大库，它提供了大量的数学函数来操作这些数组。以下是 Numpy 的几个关键作用：

多维数组对象 (ndarray): Numpy 提供了一种高效的多维数组对象，可以用来存储同类型的数据。这种数组比 Python 自带的列表更高效，并且支持更复杂的操作。
高效的数值计算: Numpy 提供了多种数学函数，包括线性代数、傅里叶变换、随机数生成等，使得对数组的计算变得非常高效。
数组操作: Numpy 支持对数组进行切片、索引、广播等操作，可以非常方便地对数据进行复杂的操作。
集成C/Fortran代码: Numpy 可以很方便地与 C 或 Fortran 代码集成，适合需要高性能计算的场景。

Matplotlib 是一个用于数据可视化的库，能够创建静态、动态和交互式的图表。它的主要作用包括：

绘制各种类型的图表: Matplotlib 支持多种类型的图表，包括折线图、散点图、柱状图、直方图、饼图等。无论是简单的绘图还是复杂的可视化，Matplotlib 都能够胜任。
自定义图表: Matplotlib 允许用户高度自定义图表的外观，包括坐标轴、标签、颜色、线型、标记等，这使得它非常适合用于学术报告和出版物。
交互式绘图: 虽然 Matplotlib 主要用于静态图表，但它也可以与 Jupyter Notebook 结合使用，实现交互式绘图和数据探索。
保存图表: Matplotlib 可以将图表保存为多种格式的文件，如 PNG、PDF、SVG 等，方便分享和发布。

总的来说，Numpy 和 Matplotlib 结合使用，可以让你在处理、分析和可视化数据时得心应手。

Numpy 提供了强大的数值计算能力，而 Matplotlib 则可以帮助你将数据的分析结果以直观的图表形式展示出来。

Numpy (Numerical Python)

Numpy 是一个用于处理多维数组和矩阵的强大库，它提供了大量的数学函数来操作这些数组。以下是 Numpy 的几个关键作用：

多维数组对象 (ndarray): Numpy 提供了一种高效的多维数组对象，可以用来存储同类型的数据。这种数组比 Python 自带的列表更高效，并且支持更复杂的操作。

高效的数值计算: Numpy 提供了多种数学函数，包括线性代数、傅里叶变换、随机数生成等，使得对数组的计算变得非常高效。

数组操作: Numpy 支持对数组进行切片、索引、广播等操作，可以非常方便地对数据进行复杂的操作。

集成C/Fortran代码: Numpy 可以很方便地与 C 或 Fortran 代码集成，适合需要高性能计算的场景。

Matplotlib

Matplotlib 是一个用于数据可视化的库，能够创建静态、动态和交互式的图表。它的主要作用包括：

绘制各种类型的图表: Matplotlib 支持多种类型的图表，包括折线图、散点图、柱状图、直方图、饼图等。无论是简单的绘图还是复杂的可视化，Matplotlib 都能够胜任。

自定义图表: Matplotlib 允许用户高度自定义图表的外观，包括坐标轴、标签、颜色、线型、标记等，这使得它非常适合用于学术报告和出版物。

交互式绘图: 虽然 Matplotlib 主要用于静态图表，但它也可以与 Jupyter Notebook 结合使用，实现交互式绘图和数据探索。

保存图表: Matplotlib 可以将图表保存为多种格式的文件，如 PNG、PDF、SVG 等，方便分享和发布。