python中数据科学与机器学习框架

在 Python 的数据科学与机器学习领域，存在多个强大的框架和库，帮助开发者处理数据、构建模型、进行预测和分析。以下是一些最常用的 Python 数据科学与机器学习框架及其使用方法，它们涵盖了从数据处理到模型训练的各个环节。

1. NumPy

NumPy 是用于处理数值计算的基础库，专门用于高效处理大规模的数组和矩阵运算。

• 安装 NumPy:

  pip install numpy
  

• 使用示例:

  import numpy as np
  
  # 创建数组
  arr = np.array([1, 2, 3, 4])
  print(arr)
  
  # 创建 2D 数组
  matrix = np.array([[1, 2], [3, 4]])
  
  # 矩阵运算
  matrix_transpose = np.transpose(matrix)
  print(matrix_transpose)
  

2. Pandas

Pandas 是数据处理的利器，它引入了 DataFrame 和 Series 数据结构，能够方便地进行数据清理、处理和分析。特别适合处理表格和时间序列数据。

• 安装 Pandas:

  pip install pandas
  

• 使用示例:

  import pandas as pd
  
  # 创建 DataFrame
  data = {
       
       'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
  df = pd.DataFrame(data)
  
  # 读取 CSV 文件
  df = pd.read_csv('data.csv')
  
  # 数据统计
  print(df.describe())
  
  # 筛选数据
  filtered_df = df[df['Age'] > 30]
  print