### NumPy 和 Pandas 数据挖掘常用函数及参数说明 以下是针对 **NumPy** 和 **Pandas** 中与数据挖掘相关的常见函数及其参数的详细列表： #### 一、NumPy 常见函数 1. `np.array` - 功能：创建一个多维数组。 - 参数：`object` (输入数据)，`dtype` (指定数据类型)。 - 示例：`arr = np.array([1, 2, 3], dtype=np.int32)`[^1]。 2. `np.reshape` - 功能：改变数组形状而不更改其数据。 - 参数：`a` (原始数组)，`newshape` (新形状)。 - 示例：`reshaped_arr = np.reshape(arr, (3, 2))`。 3. `np.mean` - 功能：计算沿指定轴的平均值。 - 参数：`a` (输入数组)，`axis` (指定轴，默认为 None 计算全局均值)。 4. `np.std` - 功能：计算标准差。 - 参数：同 `np.mean`。 5. `np.dot` - 功能：矩阵乘法运算。 - 参数：两个输入数组。 6. `np.linalg.inv` - 功能：求解方阵的逆矩阵。 - 参数：输入方阵。 7. `np.random.rand` - 功能：生成均匀分布随机数。 - 参数：维度大小。 8. `np.argmax` / `np.argmin` - 功能：返回最大/最小值索引位置。 - 参数：`a` (输入数组)，`axis` (指定轴方向)。 9. `np.where` - 功能：基于条件筛选元素的位置或替换值。 - 参数：`condition`, `x` (可选), `y` (可选)。 --- #### 二、Pandas 常见函数 1. `pd.DataFrame` - 功能：创建一个二维表格型数据结构。 - 参数：`data` (输入数据)，`index` (行标签)，`columns` (列名)。 - 示例：`df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}, index=['row1', 'row2'])`[^2]。 2. `pd.read_csv` - 功能：从 CSV 文件加载数据到 DataFrame。 - 参数：文件路径，`header` (是否有头部信息)，`sep` (分隔符)。 3. `df.describe` - 功能：快速查看数值型字段的统计摘要。 - 参数：无主要参数，自动作用于数值列。 4. `df.groupby` - 功能：按某一列或多列进行分组聚合操作。 - 参数：`by` (分组依据列名)。 5. `df.dropna` - 功能：删除含有缺失值的数据行或列。 - 参数：`how` ('any' 或 'all')，`axis` (0 表示行，1 表示列)。 6. `df.fillna` - 功能：填充缺失值。 - 参数：`value` (填充值)，`method` ('ffill' 或 'bfill')。 7. `df.sort_values` - 功能：按照某列值升序或降序排列。 - 参数：`by` (排序依据列名)，`ascending` (布尔值表示顺序)。 8. `df.merge` - 功能：连接多个 DataFrame。 - 参数：另一个 DataFrame 对象，`on` (键列名称)，`how` ('inner', 'outer', 'left', 'right')。 9. `df.pivot_table` - 功能：构建透视表。 - 参数：`values` (要汇总的列)，`index` (作为行索引的列)，`aggfunc` (聚合方法如 sum, mean)。 10. `df.apply` - 功能：对每一行或每一列应用自定义函数。 - 参数：`func` (目标函数)，`axis` (0 表示逐列，1 表示逐行)。 11. `df.value_counts` - 功能：统计唯一值的数量。 - 参数：默认无需额外设置即可运行。 12. `df.duplicated` - 功能：检测重复项并标记 True/False。 - 参数：`subset` (仅考虑某些列判断重复)，`keep` ('first', 'last', False)。 13. `df.isnull` - 功能：检查是否存在 NaN 缺失值。 - 参数：无特定参数需求。 14. `df.astype` - 功能：转换数据框中各列的数据类型。 - 参数：`dtype` (目标数据类型字典形式传入)。 15. `pd.cut` - 功能：将连续变量离散化成区间类别。 - 参数：`bins` (划分间隔数量或者具体边界列表)，`labels` (对应分类标签)。 16. `pd.get_dummies` - 功能：实现独热编码 One-Hot Encoding 转换过程。 - 参数：待处理的目标特征列以及是否保留原列选项等细节配置项设定好之后执行调用此命令完成整个流程自动化简化工作量减少手动编写复杂逻辑代码提高效率节省时间成本降低错误率提升准确性增强模型表现效果优化最终预测精度达到预期目标要求满足实际业务场景需求解决现实世界问题提供有效解决方案支持决策制定辅助管理运营促进企业发展壮大推动社会进步贡献科技力量创造更大价值回报客户满意程度最大化追求卓越品质持续改进创新不断超越自我突破极限勇攀高峰再创辉煌未来无限可能等待探索发现惊喜连连值得期待憧憬美好明天共同奋斗携手同行共创佳绩共享成果共赢未来！ ```python import numpy as np import pandas as pd # 示例代码片段展示部分函数的实际运用情况如下所示： array_example = np.array([[1, 2], [3, 4]]) print(np.mean(array_example)) frame_example = pd.DataFrame({ "Name": ["Alice", "Bob"], "Age": [25, 30] }) print(frame_example["Age"].mean()) ```