numpy,scipy,pandas,matplotlib的报告

Numpy

Numpy 是python的一种开源的数值计算扩展。这种工具可用来储存和处理大型矩形，比python自身的嵌套列表结构要高效的多，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

对数组进行索引和切片

如使用a[i],a[I,j],a[:j],a[i:j:k]等语法

差值函数

数据插值是数据处理过程中经常用到的技术，常用的插值有一维插值、二维插值、高阶插值等，常见的算法有线性插值、B样条插值、临近插值等。

多项式拟合函数

np.polyfit(),只需要输入一组自变量的离散值，和一组对应的函数 f ( x ) ，并指定多项式次数 k，就可以返回一组最佳系数。函数np.polyfit()，则可以将一组最佳系数转成函数 g(x)。

自定义广播函数

只需要输入一组自变量的离散值，和一组对应的函数 f ( x ) ，并指定多项式次数 k，就可以返回一组最佳系数。函数np.polyfit()，则可以将一组最佳系数转成函数 g(x)。

Scipy

scipy是基于numpy的一个科学计算库，它提供了更多的高级函数和模块，涵盖了优化，积分，插值，傅里叶变换，信号处理，图像处理，常微分方程等领域

scipy.optimize.minimize()：用于最小化一个目标函数的优化器。

scipy.integrate.quad()：用于数值积分，计算函数在给定区间上的定积分值。

scipy.linalg.inv()：计算矩阵的逆。 scipy.linalg.solve()：求解线性方程组。

scipy.stats.norm()：正态分布的概率密度函数、累积分布函数等统计量的计算。

scipy.fft.fft()：进行快速傅里叶变换。

scipy.signal.convolve()：实现信号的卷积运算。

scipy.interpolate.interp1d()：进行一维数据的插值操作。

scipy.cluster.vq.kmeans()：使用 k-means 算法进行聚类分析。

scipy.spatial.distance.euclidean()：计算两个向量之间的欧氏距离

pandas

Pandas 是一个开源的数据处理和分析库，它提供了高效、灵活和易于使用的数据结构和工具。主要功能包括数据读取和写入、数据清洗和预处理、数据索引和选择、数据分析和统计，以及数据可视化。它被广泛应用于数据科学、金融分析和机器学习等领域。

pandas.read_csv()：读取 CSV 文件中的数据。

pandas.DataFrame()：创建一个数据框。

pandas.Series()：创建一个序列。

pandas.head()：显示数据框的前几行。

pandas.tail()：显示数据框的后几行。

pandas.shape()：返回数据框的维度。

pandas.groupby()：根据指定的列对数据进行分组。

pandas.merge()：将两个数据框按照指定的列进行合并。

pandas.pivot_table()：生成透视表。

pandas.apply()：对数据框中的每一行或每一列应用一个自定义函数。

matplotlib

Matplotlib 是一个用于绘制图表和可视化数据的 Python 库。它简单易用，支持多种图表类型，并提供强大的定制化能力。用户可以根据需求选择合适的图表类型，并自定义图表的样式和属性。Matplotlib 还与 NumPy 和 Pandas 紧密集成，方便地处理和可视化数据。

matplotlib.pyplot.plot()：绘制折线图。

matplotlib.pyplot.scatter()：绘制散点图。

matplotlib.pyplot.bar()：绘制直方图。

matplotlib.pyplot.hist()：绘制柱状图。

matplotlib.pyplot.pie()：绘制饼图。

matplotlib.pyplot.boxplot()：绘制箱线图。

matplotlib.pyplot.imshow()：显示图片。

matplotlib.pyplot.subplot()：创建多个子图。

matplotlib.pyplot.legend()：显示图例。

matplotlib.pyplot.title()：设置图表标题