Python数据分析库2025最新排行：pandas还是polars？实战对比告诉你答案

💻 pandas 使用示例

import pandas as pd
import numpy as np

# 创建示例数据
data = {
    'name': ['张三', '李四', '王五', '赵六'],
    'age': [25, 30, 35, 28],
    'salary': [5000, 7000, 9000, 6000],
    'department': ['开发', '测试', '产品', '开发']
}

# 创建DataFrame
df = pd.DataFrame(data)

# 数据分析操作
print("基本信息:")
print(df.info())

# 按部门统计平均薪资
dept_salary = df.groupby('department')['salary'].mean()
print(f"\n各部门平均薪资:\n{dept_salary}")

# 筛选高薪员工
high_salary = df[df['salary'] > 6000]
print(f"\n高薪员工:\n{high_salary}")

🎯 推荐理由

• pandas：老朋友了，从我入门到现在一直在用。社区活跃，遇到问题Google一下基本都能找到解决方案，这点对新手很友好。
• polars：最近的新宠，处理速度确实让我震惊了。有次处理一个几GB的数据集，比pandas快了好几倍，语法也很现代化。
• Vaex：专治各种"内存不够用"的疑难杂症，特别是那些动辄几十GB的数据，用它处理简直是神器。

🔗 SQLAlchemy 使用示例

from sqlalchemy import create_engine, Column, Integer, String, Float
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker
import pandas as pd

# 创建数据库引擎
engine = create_engine('sqlite:///example.db')
Base = declarative_base()

# 定义数据模型
class Employee(Base):
    __tablename__ = 'employees'
    
    id = Column(Integer, primary_key=True)
    name = Column(String(50))
    department = Column(String(50))
    salary = Column(Float)

# 创建表
Base.metadata.create_all(engine)

# 创建会话
Session = sessionmaker(bind=engine)
session = Session()

# 插入数据
employees = [
    Employee(name='张三', department='开发', salary=8000),
    Employee(name='李四', department='测试', salary=6000),
    Employee(name='王五', department='产品', salary=7000)
]

session.add_all(employees)
session.commit()

# 查询数据并转换为DataFrame
query = session.query(Employee).filter(Employee.salary > 6500)
df = pd.read_sql(query.statement, engine)
print("高薪员工数据:")
print(df)

🎯 推荐理由

• SQLAlchemy：虽然刚开始学起来有点复杂，但功能真的很全面。公司的大型项目基本都在用它，稳定性没话说。
• Peewee：个人项目的首选，代码写起来很舒服，文档也很清晰。适合那种不想过度设计的小项目。
• Psycopg2：如果你用PostgreSQL的话，这个驱动是必须的。我在好几个项目中都用过，很稳定。

📈 Plotly 交互式图表示例

import plotly.express as px
import plotly.graph_objects as go
import pandas as pd

# 创建示例数据
df = pd.DataFrame({
    '月份': ['1月', '2月', '3月', '4月', '5月', '6月'],
    '销售额': [100, 120, 140, 110, 160, 180],
    '利润': [20, 25, 30, 22, 35, 40],
    '地区': ['北京', '上海', '深圳', '广州', '杭州', '成都']
})

# 创建交互式柱状图
fig = px.bar(df, x='月份', y='销售额', 
             color='利润',
             hover_data=['地区'],
             title='2024年月度销售数据分析',
             color_continuous_scale='Viridis')

# 添加趋势线
fig.add_trace(go.Scatter(
    x=df['月份'], 
    y=df['销售额'],
    mode='lines+markers',
    name='销售趋势',
    line=dict(color='red', width=3)
))

# 更新布局
fig.update_layout(
    title_x=0.5,
    xaxis_title="月份",
    yaxis_title="销售额（万元）",
    hovermode='x unified'
)

# 显示图表
fig.show()

🎯 推荐理由

• Plotly：做出来的图表真的很专业，而且可以直接嵌入到网页里。最喜欢的是那个悬停交互功能，展示数据特别直观。
• Pyecharts：作为国产可视化库，对中文支持特别好，而且样式很符合国人的审美。做汇报PPT的时候经常用它。

🎯 Scikit-learn 机器学习示例

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report
import pandas as pd

# 加载鸢尾花数据集
iris = load_iris()
X, y = iris.data, iris.target

# 数据分割
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42
)

# 创建随机森林模型
rf_model = RandomForestClassifier(
    n_estimators=100,
    random_state=42,
    max_depth=3
)

# 训练模型
rf_model.fit(X_train, y_train)

# 预测
y_pred = rf_model.predict(X_test)

# 评估模型
accuracy = accuracy_score(y_test, y_pred)
print(f"模型准确率: {accuracy:.3f}")

# 特征重要性分析
feature_importance = pd.DataFrame({
    '特征': iris.feature_names,
    '重要性': rf_model.feature_importances_
}).sort_values('重要性', ascending=False)

print("\n特征重要性排序:")
print(feature_importance)

🎯 推荐理由

• Scikit-learn：真的是ML界的瑞士军刀，从分类到回归到聚类，基本上常用的算法都有。文档写得也特别好，例子很丰富。
• Keras：深度学习入门的不二选择，API设计得很人性化。当年我就是用它完成了第一个神经网络项目，现在回想起来还很有成就感。