部分常用python库介绍

本文内容均源于韦斯·麦金尼《利用python进行数据分析》第二版

1.Numpy(numerial python)

提供多种数据结构，算法以及大部分设计python数值计算所需的接口。

2.pandas

pandas整合表格和关系型数据库（如mysql）的灵活数据操作能力和numpy的高性能数组计算的理念。用于实现表格化、面向列、使用行列标签的数据结构；以及series，一种一维标签数组对象。它提供复杂的索引函数，使得数据的重组、切块、切片、聚合、子集选择更为简单。

3.matplotlib

最流行的用于制图及其他二维数据可视化的python库。

4.ipython与jupyter

ipython的设计侧重于在交互计算和软件开发两方面将生产力最大化，是具有交互性的python解释器。它还提供针对操作系统命令行和文件系统的易用接口。

jupyter则是能够适用于更多语言的交互式计算工具，其可以支持40多种编程语言。ipython可以作为一种编程语言模式用于在jupyter中使用python。（可以通过基于web、支持多语言的代码“笔记本”——jupyter Notebook来使用ipython系统）

5.scipy

数据计算领域争对不同标准问题域的包合集。如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(函数优化器和求根算法);scipy.signal(信号处理工具）；scipy.sparse（稀疏矩阵与稀疏线性系统求解器）等

6.scikit-learn

python编程者的机器学习工具包，包括以下子模块

7.statsmodels

统计分析包，源于斯坦福教授Jonathan Taylor利用R语言实现的各类分析模型，与scikit-learn有所区别的，statsmodels包含经典的统计学、经济学算法，如回归模型（线性回归、通用线性模型、鲁班线性模型、线性混合效应模型等）；方差分析（ANOVA）；时间序列分析；非参数方法；统计模型结果可视化。

statsmodels专注于统计推理，提供不确定性评价和p值参数。scikit-learn侧重于预测。