python 库

NumPy

 

 NumPy（Numerical Python的简称）是Python科学计算的基础包。

它提供了以下功能（不限于此）：

1. 快速高效的多维数组对象ndarray.
2. 用于对数组执行元素级计算以及直接对数组执行数学运算的函数。
3. 用于读写硬盘上基于数组的数据集的工具。
4. 线性代数运算、傅里叶变换以及随机数生成。
5. 用于将C、C++、Fortran代码集成到Python的工具。

除了为python提供快速的数组处理能力，NumPy在数据分析方面还有另外一个主要作用，即作为在算法之间传递数据的容器。对于数值型数据，NumPy数组在存储和处理数据时要比内置的Python数据结构高效得很多。

pandas

pandas源自于panel data（面板数据，这是计量经济学中关于多维结构化数据集的一个术语）以及Python data analysis(数据分析)。

pandas提供了使我们能够快速便捷地处理结构化数据的大量数据结构和函数。pandas兼具NumPy高性能的数组计算功能以及电子表格和关系型数据库（如SQL）灵活的数据处理功能。它提供了复杂精细的索引功能，以便更为便捷地完成重塑、切片和切块、聚合以及选取数据子集等操作。

对于金融行业用户，pandas提供了大量适用于金融数据的高性能时间序列功能 和工具。

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，它将其他所有的东西联系到了一起。它为交互式和探索式计算提供了一个强健而高效的环境。它是一个增强的Python shell，目的是提高编写、测试、调试Python代码的速度。它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，主要包括下面这些包：

scipy.integrate:数值积分例程和微分方程求解器。

scipy.linalg:拓展了由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（最小化器）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，如伽玛函数的Fortran库）的包装器。

scipy.stats:标准连续的离散概率分布（如密度函数、采样器、连续分布函数等）、各种统计检验方法，以及更好的描述性统计法。

scipy.weave:利用内联C++代码加速数组计算的工具。

NumPy跟SciPy的有机结合完全可以替代MATLAB的计算功能（包括其插件工具箱）

 

 

 

此文摘录《利用Python进行数据分析》