1.numpy——基础,以矩阵为基础的数学计算模块,纯数学
存储和处理大型矩阵。
这个是很基础的扩展,其余的扩展都是以此为基础。
快速学习入口 https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
2.pandas——数据分析
基于NumPy 的一种工具,为了解决数据分析任务而创建的。
Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。
最具有统计意味的工具包,某些方面优于R软件。
数据结构有一维的Series,二维的DataFrame(类似于Excel或者SQL中的表,如果深入学习,会发现Pandas和SQL相似的地方很多,例如merge函数),
三维的Panel
(Pan(el) + da(ta) + s,知道名字的由来了吧)。
学习pandas要掌握:
汇总和计算描述统计,处理缺失数据 ,层次化索引
清理、转换、合并、重塑、GroupBy技术
日期和时间数据类型及工具(日期处理方便地飞起)。
http://pandas.pydata.org/pandas-docs/stable/10min.html
3.matplotlib——绘图,不推荐使用,不如用seaborn
python中最著名的绘图系统.很多其他的绘图例如seaborn(针对pandas绘图而来)也是由其封装而成。
这个绘图系统操作起来很复杂,和R的ggplot,lattice绘图相比显得望而却步,这也是为什么我个人不丢弃R的原因.
但是matplotlib的复杂给其带来了很强的定制性。其具有面向对象的方式及Pyplot的经典高层封装。
需要掌握的是:
散点图,折线图,条形图,直方图,饼状图,箱形图的绘制。
绘图的三大系统:pyplot,pylab(不推荐),面向对象
坐标轴的调整,添加文字注释,区域填充,及特殊图形patches的使用
金融的同学注意的是:可以直接调用Yahoo财经数据绘图.
http://matplotlib.org/users/pyplot_tutorial.html
4.scipy——数值计算库
在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。
方便、易于使用、专为科学和工程设计的Python工具包.
它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等。
5.Python numpy,scipy,pandas这些库的区别
Numpy是以矩阵为基础的数学计算模块,纯数学。
Scipy基于Numpy,科学计算库,有一些高阶抽象和物理模型。比方说做个傅立叶变换,这是纯数学的,用Numpy;做个滤波器,这属于信号处理模型了,在Scipy里找。
Pandas提供了一套名为DataFrame的数据结构,比较契合统计分析中的表结构,并且提供了计算接口,可用Numpy或其它方式进行计算。
---------------------
作者:pingzishinee
来源:CSDN
原文:https://blog.csdn.net/u013317445/article/details/72083395
版权声明:本文为博主原创文章,转载请附上博文链接!