导入
简介
pandas 数据分析概述
在本章中，你将使用 pandas 分析美国职业棒球大联盟（MLB）的数据。这些数据由 Sean Lahman 提供，包含 MLB 历史上每一位球员、教练和球队的统计数据。完整的数据库可在此处获取并下载。
A. 数据分析
在对数据集进行任何任务之前，最好先进行初步的数据分析。数据分析有助于我们理解数据集，发现潜在的异常值，并确定哪些数据特征对我们的应用最为重要。
B. pandas
由于大多数机器学习框架（例如 TensorFlow）基于 Python 构建，因此使用像 pandas 这样的 Python 数据分析工具包非常有益。pandas（全小写）是处理和分析真实世界数据的优秀工具，其功能涵盖从解析多种文件格式，到将整个数据表转换为 NumPy 矩阵数组。
在接下来的章节中，我们将深入探讨 pandas 的主要数据分析功能。如需全面了解 pandas 工具包，可访问 pandas 官方网站。
C. Matplotlib 和 pyplot
数据分析的一个重要环节是创建图表以可视化数据。正如俗话所说，“一图胜千言”，数据可视化可以通过单个图形传达关键的数据趋势和相关性。
我们在 Python 中用于数据可视化的库是 Matplotlib。具体来说，我们将使用 Matplotlib 的 pyplot API，它提供了从简单折线图到热力图、3D 图等高级视觉化的多种绘图工具。虽然我们只会介绍数据分析所需的基本功能（例如折线图、箱线图等），但可以在 Matplotlib 官网找到该库的完整概述。