Python之数据分析【第一篇】：简单介绍

数据分析基本概念

数据分析：是指对数据进行控制、处理、整理、分析的过程。

数据：结构化的数据，例如：记录、多维数组、execl数据、关系型数据库中的数据、数据表等

Python与数据分析

与数据分析相关的Python库

NumPy

　　NumPy 是 Python 科学计算的基础包，它提供：

• 快速高效的多维数组对象 ndarray；
• 直接对数组执行数学运算及对数组执行元素级计算的函数；
• 线性代数运算、随机数生成;
• 将 C、C++、Fortran 代码集成到 Python 的工具等。

它专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA 用其处理一些本来使用 C++，Fortran 或Matlab 等所做的任务。

Pandas

　　Pandas 主要提供快速便捷地处理结构化数据的大量数据结构和函数。

Matplotlib

　　Matplotlib 是最流行的用于绘制数据图表的 Python 库。

IPython

　　IPython 是 Python 科学计算标准工具集的组成部分，是一个增强的 Python Shell，目的是提高编写、测试、调试 Python 代码的速度。主要用于交互式数据处理和利用matplotlib 对数据进行可视化处理。

SciPy

　　SciPy 是一组专门解决科学计算中各种标准问题域的包的集合。主要包括以下包：

• scipy.integrate: 数值积分例程和微分方程求解器；
• scipy.linalg: 扩展了由 numpy.linalg 提供的线性代数例程和矩阵分解功能；
• scipy.optimize: 函数优化器以及根查找算法；
• scipy.signal: 信号处理工具；
• scipy.sparse: 稀疏矩阵和稀疏线性系统求解器；
• scipy.special: SPECFUN（这是一个实现了许多常用数学函数的 Fortran 库）的包装器。
• scipy.stats: 标准连续和离散概率分布、各种统计检验方法和更好的描述统计法；
• scipy.weave: 利用内联 C++ 代码加速数组计算的工具。

环境安装与配置

pip install pandas numpy ipython