|
数据表示、数据清理、数据统计、数据可视化等算法库是科学计算、数据分析以及人工智能的基础。
python拥有非常丰富数据科学相关的库，被广泛用于工程领域、数据分析领域以及人工智能领域。主要库有：
Python科学计算和数据分析库
- Numpy：科学计算和数据分析基础库
- Scipy：科学计算工具库
- Pandas：数据分析工具库
- Matplotlib：2D可视化绘图库
- Seaborn：更加易用的2D可视化绘图库
- Mayavi2：可交互3D可视化绘图库
- numpy，scipy，pandas，matplotlib是python数据分析使用频率最高的库。
- numpy+scipy可以代替matlab的常规矩阵运算、科学计算功能（不含Simulink和专用行业部分）
- tensorflow、pytorch等深度学习库和numpy、pandas、matplotlib、seaborn配合，也能够更加高效的完成工作
Numpy，Scipy，Pandas，Matplotlib，Seaborn，Mayavi2简介
1. Numpy
Numpy（Numeric Python）是高性能科学计算和数据分析的基础库。
Numpy的核心由多维数组对象和用于处理数组的函数组成。Numpy提供了N维数组基础操作，数组的算术和逻辑运算，随机数和随机分布，线性代数，统计，傅里叶变换等内置函数。代码简洁且速度快。
Numpy是几乎所有数据分析高级库（比如scipy，pandas）的构建基础。
2. Scipy
Scipy是基于Numpy的科学计算工具库，方便、易于使用、专为科学和工程设计。
Scipy提供了许多用户友好和高效的高阶方法，如插值，积分，统计，优化，图像处理等等。
Scipy包含Matlab的大多计算功能，和数据处理的关系不大，数值计算或者工程研究应用更多一些。
StatsModels是一个统计库，着重于统计模型。包含了许多的统计模型，线性模型、广义线性模型、
方差分析、和线性混合效用模型等，在统计方面有其独特的优势。可以作为Scipy.stats的补充。
3. Pandas
Pandas（Panel Data）是基于NumPy的数据分析库。 包含许多数据模型。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
所需的方法，并且提供了大量能使我们快速便捷地处理数据的内置函数。
Pandas的核心为三种数据结构和操作：
- Series：带索引的一维数组，与Numpy中的一维array类似。
- DataFrame：带索引的二维的表格型数据结构。
- Panel：三维的数组，可以理解为DataFrame的容器。
4. Matplotlib
Matplotlib 是一个2D可视化绘图库。可以使用这个库轻松地完成线形图、直方图、条形图、误差图或散点图等操作，设置标签、图例、调整绘图大小等。
Numpy，Pandas，Matplotlib被称为Python数据分析三大支柱。
5. Seaborn
Seaborn是基于Matplotlib的高级2D图形可视化工具包。
Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图。
6. Mayavi2
Mayavi2是基于VTK开发的可视化python库（更加高效）。Mayavi2旨在提供方便和互动的三维数据可视化。
Mayavi2无缝集成numpy和3D绘图，可以嵌入到用户编写的Python程序中，并且提供了而向脚本的mlab模块，以方便用户快速绘制三维图，和matplotlib的pylab—样。
持续更新及修订升级中。
|