Python 是一种强大的编程语言，特别适合数据分析，主要得益于其丰富的库生态系统。NumPy、Pandas 和 Matplotlib 是 Python 中最常用的数据分析库。以下是对这三个库的简要介绍以及相应的代码示例。

1. NumPy

NumPy 是 Python 的一个基本库，用于处理大型多维数组和矩阵，支持大量的高级数学函数。

python复制代码

	import numpy as np
	# 创建一个 NumPy 数组
	arr = np.array([1, 2, 3, 4, 5])
	print(arr)
	# 执行数学运算
	arr_squared = arr ** 2
	print(arr_squared)
	# 创建二维数组（矩阵）
	matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
	print(matrix)
	# 执行矩阵运算
	matrix_transposed = matrix.T
	print(matrix_transposed)

2. Pandas

Pandas 是一个提供数据结构和数据分析工具的 Python 库。它使得数据处理变得简单、直观。

python复制代码

	import pandas as pd
	# 创建一个 Pandas DataFrame
	data = {
	'Name': ['Alice', 'Bob', 'Charlie', 'David'],
	'Age': [25, 30, 35, 40],
	'City': ['New York', 'Paris', 'London', 'Berlin']
	}
	df = pd.DataFrame(data)
	print(df)
	# 数据筛选
	df_over_30 = df[df['Age'] > 30]
	print(df_over_30)
	# 数据分组和聚合
	grouped = df.groupby('City')
	city_counts = grouped['Name'].count()
	print(city_counts)

3. Matplotlib

Matplotlib 是一个用于创建静态、动画和交互式可视化的 Python 库。

python复制代码

	import matplotlib.pyplot as plt
	# 简单的线图
	x = np.linspace(0, 10, 100)
	y = np.sin(x)
	plt.plot(x, y)
	plt.title("Simple Line Plot")
	plt.xlabel("X-axis")
	plt.ylabel("Y-axis")
	plt.show()
	# 柱状图
	categories = ['Category1', 'Category2', 'Category3', 'Category4']
	values = [23, 45, 56, 12]
	plt.bar(categories, values)
	plt.title("Bar Chart")
	plt.xlabel("Categories")
	plt.ylabel("Values")
	plt.show()

这些库通常一起使用，以执行复杂的数据分析和可视化任务。例如，你可能首先使用 Pandas 来清洗和整理数据，然后使用 NumPy 进行数值计算，最后使用 Matplotlib 来可视化结果。