Глава 1 - Введение

1.1 Обзор pandas и numpy
В современном мире обработки данных библиотеки pandas и numpy являются незаменимыми инструментами для разработчиков и аналитиков. Эти библиотеки предоставляют мощные возможности для работы с большими объемами данных, упрощают выполнение сложных вычислений и анализ данных.

NumPy (Numerical Python) — это фундаментальная библиотека для научных вычислений в Python. Она предоставляет поддержку многомерных массивов и матриц, а также широкий набор высокоуровневых математических функций для операций над этими структурами данных. Благодаря своей эффективности и скорости, NumPy является основой для многих других библиотек, включая pandas.

pandas построена на основе NumPy и предоставляет высокоуровневые структуры данных, такие как DataFrame и Series, которые позволяют удобно хранить, обрабатывать и анализировать табличные данные. pandas значительно упрощает задачи, связанные с очисткой данных, их трансформацией, агрегацией и визуализацией.

Основные возможности NumPy:
Многомерные массивы: Позволяют хранить и обрабатывать большие объемы числовых данных.
Быстрые операции: Векторизированные операции, которые выполняются значительно быстрее, чем обычные циклы Python.
Широкий набор функций: Математические, логические, сортировочные и другие функции для работы с данными.

Пример создания и базовых операций с массивом NumPy:
import numpy as np

# Создание одномерного массива
arr = np.array([1, 2, 3, 4, 5])
print("Одномерный массив:", arr)

# Создание двумерного массива
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print("Двумерный массив:\n", matrix)

# Базовые арифметические операции
arr2 = arr * 2
print("Массив после умножения на 2:", arr2)

# Вычисление суммы элементов
total = np.sum(arr)
print("Сумма элементов массива:", total)