資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究NumPy 和 pandas 之間的區別是什麼？
Pandas 和 NumPy 都是 Python 中功能強大的開源庫。這些包有其自身的適用性。許多 pandas 的功能建立在 NumPy 之上，它們都是 SkiPy Analytics 世界的一部分。
Numpy 代表 Numerical Python。NumPy 是科學計算的核心庫。它可以處理多維資料，也就是 n 維數值資料。NumPy 陣列是一個功能強大的 N 維陣列物件，以行和列的形式呈現。
許多 NumPy 操作是在 C 語言中實現的。它速度快，需要的記憶體比 pandas 少。
NumPy 允許你執行各種數值任務，例如線性代數和許多其他高階線性代數任務。這些任務包括矩陣求逆、奇異值分解、行列式估計等。
讓我們舉個例子，看看如何進行數學運算。
示例
import numpy as np arr = np.array([[2,12,3], [10,5,7],[9,8,11]]) print(arr) arr_inv = np.linalg.inv(arr) print(arr_inv)
解釋
上面程式碼塊的第一行匯入 NumPy 模組，np 代表 NumPy 模組的別名。變數 arr 是一個二維陣列，它有 3 行 3 列。之後，我們使用 numpy.linalg（線性代數）模組中提供的 inv() 函式計算陣列 arr 的逆矩陣。
輸出
[[ 2 12 3] [10 5 7] [ 9 8 11]] [[ 0.0021692 0.23427332 -0.14967462] [ 0.10195228 0.01084599 -0.03470716] [-0.07592191 -0.19956616 0.23861171]]
此輸出塊包含兩個陣列，第一個表示來自變數 arr 的值的陣列，第二個是 arr（變數 arr_inv）的逆矩陣。
Pandas 提供了 Python 中高效能的資料操作，它需要 NumPy 來執行，因為它構建在 NumPy 之上。Pandas 的名稱來源於“面板資料”（Panel Data）一詞，指的是計量經濟學中的多維資料。
Pandas 允許你使用 Python 程式碼執行電子表格的大多數操作，而 NumPy 主要處理數值資料，而 Pandas 處理表格資料。此表格資料可以是任何形式，例如 CSV 檔案或 SQL 資料。
Pandas 提供了強大的工具，例如 DataFrame 和 Series，主要用於資料分析。
讓我們舉個例子，看看 pandas 如何處理表格資料。
示例
data = pd.read_csv('titanic.csv')
print(data.head())解釋
Pandas 提供了許多函式，可以將任何型別的資料讀取到 pandas DataFrame 或 Series 中，在上面的例子中，我們將泰坦尼克號資料集作為 pandas 資料框讀取。並使用 head() 方法顯示輸出。
輸出
PassengerId Survived Pclass \ 0 1 0 3 1 2 1 1 2 3 1 3 3 4 1 1 4 5 0 3 Name Gender Age SibSp \ 0 Braund, Mr. Owen Harris male 22.0 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1 2 Heikkinen, Miss. Laina female 26.0 0 3 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35.0 1 4 Allen, Mr. William Henry male 35.0 0 Parch Ticket Fare Cabin Embarked 0 0 A/5 21171 7.2500 NaN S 1 0 PC 17599 71.2833 C85 C 2 0 STON/O2. 3101282 7.9250 NaN S 3 0 113803 53.1000 C123 S 4 0 373450 8.0500 NaN S
我們可以看到，pandas 資料框可以儲存任何型別的資料，而 NumPy 僅處理數值。
312 次瀏覽
