python常⽤包及功能介绍
1.NumPy数值计算
NumPy是使⽤Python进⾏科学计算的基础包，Numpy可以提供数组⽀持以及相应的⾼效处理函数，是Python数据分析的基础，也
是SciPy、Pandas等数据处理和科学计算库最基本的函数功能库，且其数据类型对Python数据分析⼗分有⽤。它包含：
⼀个强⼤的N维数组对象
复杂的（⼴播）功能
⽤于集成C / C ++和Fortran代码的⼯具
有⽤的线性代数，傅⾥叶变换和随机数功能
作⽤：这种⼯具可⽤来存储和处理⼤型矩阵，⽐Python⾃⾝的嵌套列表结构要⾼效的多。
numpy和稀疏矩阵运算包scipy配合使⽤更加⽅便。
2.pandas数据处理
pandas 是python的⼀个数据分析包，是基于NumPy 的⼀种⼯具，该⼯具是为了解决数据分析任务⽽创建的。pandas提供了⼤量能使我们快速便捷地处理数据的函数和⽅法。数据结构如下：
Series：⼀维数组，与Numpy中的⼀维array类似。⼆者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。
Time- Series：以时间为索引的Series。
DataFrame：⼆维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel ：三维的数组，可以理解为DataFrame的容器。
python新手代码及作用作⽤：该⼯具是为了解决数据分析任务⽽创建的。pandas提供了⼤量能使我们快速便捷地处理数据的函数和⽅法。Pandas是Python的⼀个数据分析包，Pandas最初被⽤作⾦融数据分析⼯具⽽开发出来，因此Pandas为时间序列分析提供了很好的⽀持。Pandas是进⾏数据清
晰/整理的最好⼯具。
3.matplotlib数据可视化
Matplotlib是强⼤的数据可视化⼯具和作图库，是主要⽤于绘制数据图表的Python库，提供了绘制各类可视化图形的命令字库、简单的接⼝，可以⽅便⽤户轻松掌握图形的格式，绘制各类可视化图形。使⽤Matplotlib，可以定制所做图表的任⼀⽅⾯。他⽀持所有操作系统下不同的GUI后端，并且可以将图形输出为常见的⽮量图和图形测试，如PDF SVG JPG PNG BMP GIF.通过数据绘图，我们可以将枯燥的数字转化成⼈们容易接收的图表。 Matplotlib有⼀套允许定制各种属性的默认设置，可以控制Matplotlib中的每⼀个默认属性：图像⼤⼩、每英⼨点数、线宽、⾊彩和样式、⼦图、坐标轴、⽹个属性、⽂字和⽂字属性。
作⽤：是基于Numpy的⼀套Python包，这个包提供了吩咐的数据绘图⼯具，主要⽤于绘制⼀些统计图形。Matplotlib是Python的⼀个可视化模块，他能⽅便的只做线条图、饼图、柱状图以及其他专业图形。
4.sciPy科学计算
SciPy是⼀款⽅便、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.
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，包含的功能有最优化、线性代数、积分、插值、拟合、特殊函数、快速傅⾥叶变换、信号处理和图像处理、常微分⽅程求解和其他科学与⼯程中常⽤的计算等，这些对数据分析和挖掘⼗分有⽤。
Scipy是⼀款⽅便、易于使⽤、专门为科学和⼯程设计的Python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。Scipy依赖于Numpy，并提供许多对⽤户友好的和有效的数值例程，如数值积分和优化。
5.Scrapy爬⾍
Scrapy是专门为爬⾍⽽⽣的⼯具，具有URL读取、HTML解析、存储数据等功能，可以使⽤Twisted异步⽹络库来处理⽹络通讯，架构清晰，且包含了各种中间件接⼝，可以灵活的完成各种需求。
6.scikit-learn机器学习
Scikit-Learn是Python常⽤的机器学习⼯具包，提供了完善的机器学习⼯具箱，⽀持数据预处理、分类、回归、聚类、预测和模型分析等强⼤机器学习库，其依赖于Numpy、Scipy和Matplotlib等。
Scikit-Learn是基于Python机器学习的模块，基于BSD开源许可证。
Scikit-Learn的安装需要Numpy Scopy Matplotlib等模块，Scikit-Learn的主要功能分为六个部分，分类、回归、聚类、数据降维、模型选择、数据预处理。
Scikit-Learn⾃带⼀些经典的数据集，⽐如⽤于分类的iris和digits数据集，还有⽤于回归分析的boston house prices数据集。该数据集是⼀种字典结构，数据存储在.data成员中，输出标签存储在.target成员中。Scikit-Learn建⽴在Scipy之上，提供了⼀套常⽤的机器学习算法，通过⼀个统⼀的接⼝来使⽤，Scikit-Learn有助于在数据集上实现流⾏的算法。
Scikit-Learn还有⼀些库，⽐如：⽤于⾃然语⾔处理的Nltk、⽤于⽹站数据抓取的Scrappy、⽤于⽹络挖掘的Pattern、⽤于深度学习
的Theano等。
7.Keras深度学习
Keras是深度学习库，⼈⼯神经⽹络和深度学习模型，基于Theano之上，依赖于Numpy和Scipy，利⽤它可以搭建普通的神经⽹络和各种深度学习模型，如语⾔处理、图像识别、⾃编码器、循环神经⽹络、递归审计⽹络、卷积神经⽹络等。
8.statsmodels统计建模计量经济
Statsmodels是Python的统计建模和计量经济学⼯具包，包括⼀些描述统计、统计模型估计和推断。
总之，
Python有着像Matlab⼀样强⼤的数值计算⼯具包Numpy；
Python能直接处理数据，⽽Pandas⼏乎可以像SQL那样对数据进⾏控制；
有着绘图⼯具包Matplotlib，Matplotlib能够对数据和记过进⾏可视化，快速理解数据;
有着科学计算⼯具包Scipy；
Scikit-Learn提供了机器学习算法的⽀持，Theano提供了升读学习框架（还可以使⽤CPU加速）。
以上内容来⾃转载整理

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。