使用Python进行数据分析常用的那些包包们

对数据进行分析，探索性计算时方便的库是提供编程效率的基石。Python有着庞大的库家族，这些库自身还不断改良，因此使用Python进行数据处理非常方便，高效。下面对科学计算相关的库做以介绍：

1.Numpy

Numpy（全称是Numerical Python）是Python科学计算的基础库，对数组的存储和计算都十分高效。也是许多科学计算库的基础库。它提供了以下优势：

1）快速高效的多维数组ndarray

2）对数组的元素计算 或 对数组执行数学计算

3）线性代数运算、傅里叶变换，以及随机数生成

4）读写基于数组的数据集，保存数组数据更加高效

2.Pandas

Pandas的名字源于panel data（面板数据）。它兼具了Numpy的高性能数组计算能力，还提供了更为复杂精细的索引功能。方便对数据进行切片，切块和聚合等能力。是Python中最为重要的一个计算库。

3.Scipy

Scipy是一组专门解决科学计算中各种标准问题域的包的集合，主要包括下面这些包：

scipy.integrate: 数值积分例程和微积分方程求解器。

scipy.linalg:扩展了由numpy.linalg提供的线性代数例程和矩阵分解功能。

scipy.optimize:函数优化器（最小化器）以及根查找算法

scipy.signal:信号处理工具

scipy.sparse:稀疏矩阵和系数线性系统求解器

scipy.special：SPECFUN的包装器，实现了许多常用数学函数

scipy.stats：标准连续和离散概率分布（如密度函数、采样器、连续分布函数等）、各种统计检验方法，以及更好的描述统计法。

scipy.weave：利用内联C++代码加速数组计算的工具。

Numpy和Scipy的有机结合可以替代Matlib的计算功能。

参考《利用Python进行数据分析》