python中 pandas、Numpy以及其他的区别和联系

学习即刨根问底，找到最根本的解释和找到最纯正的英文解释，用逻辑去解释这个世界的一切。上瘾

Numpy

• 基础的数学计算模块，以矩阵为主,纯数学。
• N维数组容器
• 来存储和处理大型矩阵**，比Python自身的嵌套列表（nested list structure)结构要高效的多，本身是由C语言开发。**这个是很基础的扩展，其余的扩展都是以此为基础。数据结构为ndarray,一般有三种方式来创建。

Pandas

• 提供了一套名为DataFrame的数据结构，适合统计分析中的表结构,在上层做数据分析

• 表格容器

• 基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。最具有统计意味的工具包，某些方面优于R软件。数据结构有一维的Series，二维的DataFrame(类似于Excel或者SQL中的表，如果深入学习，会发现Pandas和SQL相似的地方很多，例如merge函数)，三维的Panel（Pan（el) + da(ta) + s，知道名字的由来了吧）。

  学习Pandas你要掌握的是：
  汇总和计算描述统计，处理缺失数据 ，层次化索引
  清理、转换、合并、重塑、GroupBy技术
  日期和时间数据类型及工具（日期处理方便地飞起）

SciPy

• 基于Numpy，提供方法(函数库)直接计算结果，封装了一些高阶抽象和物理模型。比方说做个傅立叶变换，这是纯数学的，用Numpy；做个滤波器，这属于信号处理模型了，在Scipy里找。
• 科学计算函数库
• 方便、易于使用、专为科学和工程设计的Python工具包.它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等。基本可以代替Matlab，但是使用的话和数据处理的关系不大，数学系，或者工程系相对用的多一些。
  近期发现有个statsmodel可以补充scipy.stats，时间序列支持完美

Matplotlib:

Python中最著名的绘图系统，很多其他的绘图例如seaborn（针对pandas绘图而来）也是由其封装而成。
绘制的图形可以大致按照ggplot的颜色显示，但是还是感觉很鸡肋。但是matplotlib的复杂给其带来了很强的定制性。其具有面向对象的方式及Pyplot的经典高层封装。

需要掌握的是：
1.散点图，折线图，条形图，直方图，饼状图，箱形图的绘制。
2.绘图的三大系统：pyplot，pylab(不推荐)，面向对象
3.坐标轴的调整，添加文字注释，区域填充，及特殊图形patches的使用
4.金融的同学注意的是：可以直接调用Yahoo财经数据绘图