重要的python库:
1.Numpy(http://numpy.org) 是python数值计算的基石,它提供多种数据结构,算法以及大部分涉及Python数值计算所需的接口。
2.pandas(http://pandas.pydata.org) 提供了高级的数据结构和函数,这些数据结构和函数设计使得利用结构化,表格化的工作快速,简单,有表现力.
3.matplotlib(http://matplotlib.org) 是最流行的用于制图以及绘制其他二维数据可视化的python库。
4.IPython 和 Jupyter
Ipython交互式python解释器。Jupiter提供交互性,探索性的高效环境。 Ipython命令行和Jupiter notebook 对数据探索和可视化非常有用。
5.Scipy(http://scipu.org)
(1)scipy.integrate: 数值积分例程和微分方程求解器
scipy.linalg: 线性代数例程和基于Numpy.linalg的矩阵分解
scipy.optimize:函数优化器(最小化器)和求根算法
scipy.signal:信号处理工具
scipy.sparse:稀疏矩阵与稀疏线性求解器
scipy.special:SPECFUN 的包装器,SPECFUN是Fortran语言下实现通用数据函数的包,例如gamma
scipy.stats:标准的离散和连续概率分布(密度函数,采样器,连续分布函数),各类统计测试。各类描述性统计
6.scikit-learn
(1)分类:svm,最邻近,随机森林,逻辑回归
(2)回归:Lasso,岭回归等
(3)聚类:k-means,谱聚类等
(4)降维:PCA,特征选择,矩阵分解等
(5)模型选择:网站搜索,交叉验证,指标矩阵
(6)预处理:特征提取,正态化
7.statsmodels(http://statsmodels.org)是一个统计分析包。包含高频词汇统计学,经济学算法,
包含:回归模型:线性回归,通用线性回归,鲁棒线性回归,线性混合效应模型
方差分析
时间序列分析:AR,ARAM,ARIMA,VAR等
非参数方法:核密度分析,核分析
统计模型结果可视化
* statsmodels 更关注于统计推理,提供不确定性评价和p值参数, scikit-learn更关注于预测
二。ipython 技巧
1.Tab 补全
2. ? 内省,返回变量的信息,或方法信息;
?? 可以显示函数的源码
3 %run 可以运行任意的python程序文件
4. ctrl-c 中断运行中的代码。
5.快捷键
6魔法命令 最重要的是%matplotlib 可以生成多个绘图窗口。