数据分析工具简介

1、numpy

Numpy是Python的一个扩展程序库，支持处理大量的维度数组和矩阵，也针对数组提供大量的数学函数库，主要用于数组计算。

包含：

（1）一个强大的N维数组对象ndarray

（2）广播功能函数

（3）整合C/C++代码的工具

（4）线性代数、傅里叶变换、随机数生成等功能

2、pandas

提供了高级的数据结构和各种分析工具。该库的一大特色是能够将相当复杂的数据操作转换为一两个命令。Pandas 提供了很多内置的方法，用于分组、过滤和组合数据，还提供了时间序列功能。所有这些方法的执行速度都很快

3、Matplotlib

Matplotlib 是一个用于创建二维图表和图形的低级库。你可以用它来构建各种图表，从直方图和散点图到非笛卡尔坐标图。此外，很多流行的绘图库都为 Matplotlib 预留了位置，可与 Matplotlib 结合在一起使用。

该库在绘图样式方面做出了很多变更，如颜色、尺寸、字体、图例等。例如，坐标轴图例的自动对齐和对色盲患者更友好的色环

4、Scikit-learn

这个基于 NumPy 和 SciPy 的 Python 模块是处理数据的最佳库之一。它为很多标准的机器学习和数据挖掘任务提供算法，例如聚类、回归、分类、降维和模型选择。

该库有很多增强功能。交叉验证已经获得更新，现在可以使用多个指标。一些训练方法(如邻近取样和逻辑回归等)得到一些小改进。它的主要更新之一是完成了通用术语和 API 元素词汇表

5、SciPy

另一个科学计算核心库 SciPy，基于 NumPy 而构建，并扩展了 NumPy 的功能。SciPy 的主要数据结构是多维数组，使用 Numpy 实现。该库提供了一些用于解决线性代数、概率论、积分计算等任务的工具。

SciPy 通过与不同的操作系统进行持续集成的方式带来了重大改进，比如新的函数和方法，更重要的是——最新的优化器。此外，开发团队对很多新的 BLAS 和 LAPACK 函数进行了包装。