7、数据科学中Python与R的实用包和库

数据科学中Python与R的实用包和库

1. 开发者的多元选择策略

聪明的开发者不会仅仅依赖一两个包或库。这就如同调香师制作香水，只用一种花虽然不错，但很难产生惊艳的效果。调香师会去花园挑选合适的花朵，制作出精美的香精油，从而调配出令人陶醉的香水。同理，优秀的开发者会有众多的包和库可供选择，他们会根据特定应用的需求，将这些包和库的功能进行组合。

此外，许多包和库可以弥补不同编程语言功能上的差异。例如，一些Python包可以帮助Python缩小与R在统计分析方面的差距。当使用某种语言几乎能满足特定应用需求，但又不完全满足时，包或库就能发挥作用。

2. 实用的Python包

2.1 使用SciPy获取科学工具

SciPy栈（http://www.scipy.org/）包含许多可以单独下载的包，为数学、科学和工程领域提供支持。获取SciPy时，你会得到一组协同工作以创建各种应用的包，主要包括：
- NumPy
- SciPy
- matplotlib
- Jupyter
- SymPy
- pandas

在SciPy官网（https://www.scipy.org/about.html）深入了解，还能发现围绕SciPy构建的SciPy生态系统中的其他包，如在数据和计算方面的Scikit - image、Scikit - learn、h5py、PyTables。

SciPy本身专注于数值例程，如数值积分和优化，是一个通用包，能为多个问题领域提供功能，也支持特定领域的包，如Scikit - learn、Scikit - image和statsm