利用python进行数据分析—第一章

Python常用库简介

1.numpy为Python提供快速的数组处理能力。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数据结构高效得多;
2.pandas提供了快速便捷处理结构化数据的大量数据结构和函数；
3.matplotlib是最流行的用于绘制图表和其它二维数据可视化的Python库，生态非常好，可以作为默认的可视化工具；
4.IPython是Python数据栈最重要的工具之一，可以大大提高交互式计算和软件开发的生产率，它是Jupyter项目（一个交互和探索式计算的高效环境）中的一个组件，可以理解为一个用于编写、测试、调试Python代码的强化shell；
5.SciPy是提供了很多专门解决数学计算的各种标准集合，包括微积分，线代，信号处理等。
6.statsmodels是一个统计分析包，包含经典统计学和经济计量学的算法,包括线性回归，方差分析等；
7.scikit-learn是Python的通用机器学习工具包，包括分类，回归，聚类等。
8.注意当使用conda或pip安装包时，不能用pip升级conda的包，这样可能会导致环境发生问题；