数据分析概览

Python 数据分析技术栈全景：从数据采集到可视化的工作流。

数据分析工作流

明确目标 → 数据采集 → 数据预处理 → 数据分析 → 数据可视化

技术栈

NumPy — 数值计算基础

• N 维数组对象 ndarray，高性能矩阵运算
• 广播功能、线性代数、傅里叶变换、随机数生成
• 整合 C/C++/Fortran 代码的工具
• AI 关联：张量运算基础、特征矩阵处理

Pandas — 结构化数据分析

• Series（一维）和 DataFrame（二维表格）核心数据结构
• 数据清洗、挖掘、分析的工具集
• 基于 NumPy，提供高性能矩阵运算
• AI 关联：数据清洗、特征工程、探索性数据分析（EDA）

Matplotlib — 数据可视化

• Python 最常用的图形绘图库
• 创建静态、动态和交互式图表
• AI 关联：训练曲线可视化、数据分布展示

Seaborn — 高级可视化

• 建立在 Matplotlib 之上，集成 Pandas 数据结构
• 更简洁的 API，信息更丰富、更具吸引力的图像
• 面向数据集的 API，与 Pandas 配合使用更方便

Sklearn（scikit-learn）— 机器学习工具

• 简单高效的数据挖掘和数据分析工具
• 建立在 NumPy、SciPy 和 Matplotlib 之上
• AI 关联：传统 ML 算法、特征工程、模型评估

学习路径

NumPy 基础 → Pandas 数据处理 → Matplotlib/Seaborn 可视化 → Sklearn 机器学习

相关链接

• 数据库开发概览 — 数据存储层
• Python 工程基础 — Python 语言基础
• Python NumPy — 数值计算基础
• Python Pandas — 结构化数据分析
• Python Matplotlib — 数据可视化