1. numpy
是Numerical Python的简称,它是目前Python数值计算中最为重要的基础包。大多数计算包都提供了基于NumPy的科学函数功能,将NumPy的数组对象作为数据交换的通用语。· ndarray,一种高效多维数组,提供了基于数组的便捷算术操作以及灵活的广播功能。· 对所有数据进行快速的矩阵计算,而无须编写循环程序。· 对硬盘中数组数据进行读写的工具,并对内存映射文件进行操作。· 线性代数、随机数生成以及傅里叶变换功能。· 用于连接NumPy到C、C++和FORTRAN语言类库的C语言API。
· basic
numpy.arange([start, ]stop, [step, ]dtype=None)[range gives you a regular list (python 2) or a specialized "range object" (like a generator; python 3), np.arangegives you a numpy array.]
np.random.randn(2,3)
np.random.randint(2,3)
np.array.shape/dtype/ndim/reshape(n,m)
np.zeros/eye/ones/
· 通用函数
快速的主元素函数
使用NumPy数组可以使你利用简单的数组表达式完成多种数据操作任务,而无须写些大量循环。这种利用数组表达式来替代显式循环的方法,称为向量化。通常,向量化的数组操作会比纯Python的等价实现在速度上快一到两个数量级(甚至更多),这对所有种类的数值计算产生了最大的影响。广播机制就是向量化的计算方式。
np.meshgrid(x,y)对1d数据操作,生成对应的网格化数据n*m
numpy.where函数是三元表达式x if condition else y的向量化版本。
统计方法
数组的集合操作
数组进行文件输入输出:
np.save('some_array',arr) /np.load('soame_array.npy')
线性代数
矩阵乘积 np.dot(x,y) , *是矩阵的逐元素乘积,而不是矩阵的点乘积
numpy.linalg拥有一个矩阵分解的标准函数集,以及其他常用函数,例如求逆和行列式求解。
random 随机函数
2. pandas
一般方法:
pd.date_range(start='1/1/2018', end='1/08/2018') //(start=None, end=None, periods=None, freq=None, tz=None, normalize=False, name=None, closed=None, **kwargs)
Seris对象
DataFrame对象/模块
统计与汇总