1. numpy（数字计算核心）

• 处理大量数字、数组、矩阵

• 做数学运算、统计、线性代数

• 是所有科学计算库的底层基础

• 机器学习、深度学习数据处理

• 金融量化计算

• 信号处理、图像像素处理

• 大量数据的加减乘除、均值方差

2. pandas（表格数据神器）

• 处理表格型数据（像 Excel 一样）

• 读取、清洗、筛选、统计、合并表格

• 支持 CSV / Excel / JSON 等各种数据格式

• 数据分析、业务报表

• 数据清洗、数据预处理

• 读取日志、订单、用户数据

• 做筛选、分组、求和、透视表

• 删除含有缺失值的行或列

• 清理数据，避免 NaN 影响后续统计、建模、可视化

• axis：
• 0 或 index：删行（默认）
• 1 或 columns：删列

• how：
• 'any'：只要有一个 NaN 就删（默认）
• 'all'：全部是 NaN 才删

• thresh：int，保留至少有 thresh 个非空值的行 / 列

• subset：list，只检查指定列 / 行的 NaN

• inplace：
• False：返回新 DataFrame（默认）
• True：直接修改原数据

• 业务必用：报表、统计、画图、算法都不能有 NaN

• 搭配 dropna()：一个删空、一个补空

1. 根据指定字段 / 列把数据分成多组

2. 对每组单独做：求和、计数、均值、最大值、最小值、统计

3. 类似 Excel 的「数据透视表 / 分类汇总」

• count() 计数

• sum() 求和

• mean() 平均值

• max() 最大值

• min() 最小值

3. matplotlib（画图神器）

• 画各种图表：折线图、柱状图、散点图、直方图、热图等

• 数据可视化，把数字变成图

• 数据分析结果展示

• 论文、报告配图

• 趋势分析、异常检测

• 可视化模型训练曲线

三者关系（一句话记住）

• numpy 负责底层数字计算

• pandas 负责表格数据处理

• matplotlib 负责把结果画成图

使用步骤

1.依赖安装

2.高频api

使用案例